python区间训练分析，基于心率和功率的行计数

Question

目前，我正在研究一个运动员间歇训练的数据集。根据功率值，我希望自动计算训练中的间隔会话数。所以，如果功率超过200瓦，我想数一数高强度周期的秒数。

下面的代码显示了一个示例，数字是不现实的。

df = pd.DataFrame(
    [[Timestamp('2022-08-05 10:11:04'), 140, 120],
    [Timestamp('2022-08-05 10:11:05'), 160, 155],
    [Timestamp('2022-08-05 10:11:06'), 230, 156],
    [Timestamp('2022-08-05 10:11:07'), 230, 155],
    [Timestamp('2022-08-05 10:11:08'), 230, 160],
    [Timestamp('2022-08-05 10:11:09'), 140, 130],
    [Timestamp('2022-08-05 10:11:10'), 140, 131],
    [Timestamp('2022-08-05 10:11:11'), 230, 170]],
    columns=['timestamp', 'power', 'heart rate'])

最后，我想知道一个运动员在200瓦以上的高功率区有多少秒。

Answer 1

，您可以计算连续时间戳之间的diff，然后使用布尔索引和sum进行筛选。

(-df['timestamp'].diff(-1))[df['power'].gt(200)].sum()

产出：

Timedelta('0 days 00:00:03')

注意：这是忽略最后一行，因为我们不知道最后的间隔持续多长时间。如果要考虑与前一个间隔相同的间隔：

(-df['timestamp'].diff(-1).ffill())[df['power'].gt(200)].sum()

产出：

Timedelta('0 days 00:00:04')

每一段连续值超过200：

m = df['power'].gt(200)

(-df['timestamp'].diff(-1))[m].groupby((~m).cumsum()).sum()

产出：

power
2   0 days 00:00:03
4   0 days 00:00:00
Name: timestamp, dtype: timedelta64[ns]