首页
学习
活动
专区
圈层
工具
发布
社区首页 >问答首页 >通过在另一列中命中最大值的条件对pandas数据帧中的连续行进行分组

问通过在另一列中命中最大值的条件对pandas数据帧中的连续行进行分组
EN

Stack Overflow用户
提问于 2018-02-08 06:01:33
回答 1查看 713关注 0票数 1

我有一个由时间序列索引的熊猫数据帧,该时间序列包含一颗绕地球运行的卫星的GPS纬度和加速度列。此纬度在最大值和最小值之间振荡,并具有预期的恒定时间周期。我想做的是,对每个轨道周期的加速度列进行积分。

我知道我需要使用pandas 'groupby‘方法来对每个时期进行分组。但是,我不知道如何将连续的行分组成轨道周期(例如,迭代遍历并分组,直到我达到最大纬度值,从而定义轨道的结束?)。分组后,我可以对每个周期应用数值积分。

下面给出了一个生成类似DataFrame的示例代码。

代码语言:javascript
复制
from scipy import signal

t = np.linspace(0, 1, 500)
np.random.seed(0) # make sure we will get the same values every time
df = pd.DataFrame(
 {'Lat': signal.sawtooth(2 *np.pi * 5 * t, 0.5),
  'Acc': np.random.rand(500)}, 
 index=pd.date_range('1/1/2011 00:00:00.006392', periods=500, freq='10ms')
)

任何帮助都将不胜感激。如有更多信息,请联系我们!

EN

回答 1

Stack Overflow用户

发布于 2018-02-08 07:34:03

IIUC这里是一个小演示:

代码语言:javascript
复制
In [280]: d = pd.DataFrame({'Lat':[1,3,4,2,0,1,2,3], 'Acc':np.random.randint(0,4,8)})

In [281]: d
Out[281]:
   Acc  Lat
0    3    1
1    1    3
2    2    4
3    3    2
4    2    0
5    2    1
6    2    2
7    2    3

In [282]: d.groupby(np.sign(d.Lat.diff().bfill(0)).diff().fillna(0).ne(0).cumsum())['Acc'].sum()
Out[282]:
Lat
0    6
1    5
2    6
Name: Acc, dtype: int32

详细信息:

代码语言:javascript
复制
In [288]: d.Lat.diff().bfill(0)
Out[288]:
0    2.0
1    2.0
2    1.0
3   -2.0
4   -2.0
5    1.0
6    1.0
7    1.0
Name: Lat, dtype: float64

In [289]: np.sign(d.Lat.diff().bfill(0))
Out[289]:
0    1.0
1    1.0
2    1.0
3   -1.0
4   -1.0
5    1.0
6    1.0
7    1.0
Name: Lat, dtype: float64

In [290]: np.sign(d.Lat.diff().bfill(0)).diff().fillna(0).ne(0)
Out[290]:
0    False
1    False
2    False
3     True
4    False
5     True
6    False
7    False
Name: Lat, dtype: bool

In [291]: np.sign(d.Lat.diff().bfill(0)).diff().fillna(0).ne(0).cumsum()
Out[291]:
0    0
1    0
2    0
3    1
4    1
5    2
6    2
7    2
Name: Lat, dtype: int32
票数 0
EN
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接:

https://stackoverflow.com/questions/48674003

复制
相关文章

相似问题

领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档