有没有办法使用 python pandas 进行分组？

Posted 2023-03-11

【中文标题】有没有办法使用 python pandas 进行分组？

【英文标题】：is there a way to groupby bulks using python pandas?

【发布时间】：2021-09-21 09:18:51

【问题描述】：

我有一个实验的不同 Trials 的不同时间序列的 DataFrame。数据包含车辆加速状态的列。状态为-1减速，0刹车，1加速。

我想对每个 -1,0,1 做一个总结，并且需要一种方法来分组所有相邻的 1 而忽略其他 1。 0 和 -1 也一样。

例如： 这就是我所拥有的：

X axis acceleration	X axis state
0	0
0	0
0	0
0.87	1
0.88	1
0	0
-0.28	-1
-0.27	-1
0	0
0	0
0.46	1
0.23	1

这是我想要的：

mean X axis acceleration	X axis state	event number
0	0	1
0.875	1	2
0	0	3
-0.275	-1	4
0	0	5
0.345	1	6

【参考方案1】：

按X axis state 列的连续值创建组并聚合mean，按list 列的最后更改顺序：

g = df['X axis state'].ne(df['X axis state'].shift()).cumsum().rename('event number')

df = df.groupby([g, 'X axis state'])['X axis acceleration'].mean().reset_index()
df = df[['X axis acceleration','X axis state','event number']]

print (df)
   X axis acceleration  X axis state  event number
0                0.000             0             1
1                0.875             1             2
2                0.000             0             3
3               -0.275            -1             4
4                0.000             0             5
5                0.345             1             6

编辑：如果按移位值进行比较，如果值发生更改，则得到 Trues：

print (df['X axis state'].ne(df['X axis state'].shift()))
0      True
1     False
2     False
3      True
4     False
5      True
6      True
7     False
8      True
9     False
10     True
11    False
Name: X axis state, dtype: bool

所以如果添加累积和得到组：

print (df['X axis state'].ne(df['X axis state'].shift()).cumsum().rename('event number'))
0     1
1     1
2     1
3     2
4     2
5     3
6     4
7     4
8     5
9     5
10    6
11    6
Name: event number, dtype: int32

【讨论】：

哦，太好了！，您有没有机会描述第一行的作用？

@MichaelFleicherTal - 添加到答案中。