Определить значения индекса непоследовательных нулей

Question

У меня есть pandas массив данных с отрицательными числами и нулями, с указателем даты и времени.

Я хотел бы иметь возможность: (1) определить начало и конечную дату для непоследовательных, ненулевых значений; (2) количество дней между этими двумя датами; (3) минимальное значение между этими двумя датами

Например, если мой фрейм данных выглядит следующим образом:

DATE        VAL  
2007-06-26  0.000000
2007-06-27  0.000000
2007-06-28  0.000000
2007-06-29 -0.006408
2007-07-02  0.000000
2007-07-03  0.000000
2007-07-04 -0.000003
2007-07-05  0.000000
2007-07-06  0.000000
2007-07-09  0.000000
2007-07-10 -0.018858
2007-07-11 -0.015624
2007-07-12  0.000000
2007-07-13  0.000000
2007-07-16 -0.008562
2007-07-17 -0.006587

Я хотел бы вывод, который выглядит примерно так:

START        END          DAYS  MIN
2007-06-29   2007-06-29   1     -0.006408
2007-07-04   2007-07-04   1     -0.000003
2007-07-10   2007-07-11   2     -0.018858
2007-07-16   2007-07-17   2     -0.008562

Было бы предпочтительно, если бы количество дней исключало выходные (ie, с 7/13 по 7/16 считается за 1 день), но я понимаю, что это обычно сложно.

Кажется, что метод numpy.argmax/min делает версию того, что я хотел бы, но установка axis=1 для документации не вернула коллекцию значений индекса, которые я ожидал.

Редактировать : Должен был указать, искать решение, которое не требует циклов.

Answer 1

Решение с named-aggregation, работающим в pandas 0,25 +:

#convert DatetimeIndex to column
df = df.reset_index()
#filter values equal 0
m = df['VAL'].eq(0)
#create groups only for non 0 rows filtering with inverting mask by ~
g = m.ne(m.shift()).cumsum()[~m]
#aggregation by groups
df1 = df.groupby(g).agg(START=('DATE','first'),
                        END=('DATE','last'),
                        DAYS= ('DATE', 'size'),
                        MIN=('VAL','min')).reset_index(drop=True)
print (df1)
       START        END  DAYS       MIN
0 2007-06-29 2007-06-29     1 -0.006408
1 2007-07-04 2007-07-04     1 -0.000003
2 2007-07-10 2007-07-11     2 -0.018858
3 2007-07-16 2007-07-17     2 -0.008562

Решение для pandas <0,25 возможно с указанием прохода до <code>agg и последним набором новые имена столбцов:

df = df.reset_index()
m = df['VAL'].eq(0)
g = m.ne(m.shift()).cumsum()[~m]

df1 = df.groupby(g).agg({'DATE':['first','last','size'], 'VAL':'min'}).reset_index(drop=True)
df1.columns = ['START','END','DAYS','MIN']
print (df1)
       START        END  DAYS       MIN
0 2007-06-29 2007-06-29     1 -0.006408
1 2007-07-04 2007-07-04     1 -0.000003
2 2007-07-10 2007-07-11     2 -0.018858
3 2007-07-16 2007-07-17     2 -0.008562

Answer 2

Сначала вы создаете флаг, чтобы найти ненулевые записи и назначаете их в те же группы, затем группируете и вычисляете те атрибуты, которые вам нужны.

(
    df.assign(Flag = np.where(df.VAL.ge(0), 1, np.nan))
    .assign(Flag = lambda x: x.Flag.fillna(x.Flag.cumsum().ffill()))
    .loc[lambda x: x.Flag.ne(1)]
    .groupby('Flag')
    .apply(lambda x: [x.DATE.iloc[0], x.DATE.iloc[-1], len(x), x.VAL.min()])
    .apply(pd.Series)
    .set_axis(['START','END','DAYS','MIN'], axis=1, inplace=False)
)


        START       END         DAYS    MIN
Flag                
3.0     2007-06-29  2007-06-29  1   -0.006408
5.0     2007-07-04  2007-07-04  1   -0.000003
8.0     2007-07-10  2007-07-11  2   -0.018858
10.0    2007-07-16  2007-07-17  2   -0.008562

Answer 3

numpy решение, df ваш пример DataFrame:

# get data to numpy
date = df.index.to_numpy(dtype='M8[D]')
val = df['VAL'].to_numpy()

# find switches between zero/nonzero
on,off = np.diff(val!=0.0,prepend=False,append=False).nonzero()[0].reshape(-1,2).T
# use switch points to calculate all desired quantities
out = pd.DataFrame({'START':date[on],'END':date[off-1],'DAYS':np.busday_count(date[on],date[off-1])+1,'MIN':np.minimum.reduceat(val,on)})
# admire
out
#        START        END  DAYS       MIN
# 0 2007-06-29 2007-06-29     1 -0.006408
# 1 2007-07-04 2007-07-04     1 -0.000003
# 2 2007-07-10 2007-07-11     2 -0.018858
# 3 2007-07-16 2007-07-17     2 -0.008562

Answer 4

У этого есть некоторые логики c, подобные исходному решению (от Аллена), но меньше "применимо". Не уверен насчет сравнения производительности.

# a new group begins when previous value is 0, but current is negative
df['NEW_GROUP'] = df['VAL'].shift(1) == 0
df['NEW_GROUP'] &= df['VAL'] < 0

# Group by the number of times a new group has showed up, which determines the group number.
# Directly return a Series from `apply` to obviate further transformations
print(df.loc[df['VAL'] < 0]
        .groupby(df['NEW_GROUP'].cumsum())
        .apply(lambda x: pd.Series([x.DATE.iloc[0], x.DATE.iloc[-1], x.VAL.min(), len(x)],
                        index=['START','END','MIN','DAYS'])))

Выход:

          START      END         MIN         DAYS
NEW_GROUP                                      
1         2007-06-29 2007-06-29 -0.006408     1
2         2007-07-04 2007-07-04 -0.000003     1
3         2007-07-10 2007-07-11 -0.018858     2
4         2007-07-16 2007-07-17 -0.008562     2

Answer 5

Вы можете использовать это: сначала считывает фрейм данных из файла:

import pandas as pd
df=pd.read_csv("file.csv")

out:

    DATE    VAL
0   2007-06-26  0.000000
1   2007-06-27  0.000000
2   2007-06-28  0.000000
3   2007-06-29  -0.006408
4   2007-07-02  0.000000
5   2007-07-03  0.000000
6   2007-07-04  -0.000003
7   2007-07-05  0.000000
8   2007-07-06  0.000000
9   2007-07-09  0.000000
10  2007-07-10  -0.018858
11  2007-07-11  -0.015624
12  2007-07-12  0.000000
13  2007-07-13  0.000000
14  2007-07-16  -0.008562
15  2007-07-17  -0.006587

и основной код:

from datetime import timedelta

last_date=0
min_val=0
mat=[]
st=0
for index, row in df.iterrows():
    if (row['VAL'])!=0:
        st=st+1
        datetime_object = datetime.strptime(row['DATE'], '%Y-%m-%d')
        if st==1:
            start=datetime_object
            last_date=start
            if row['VAL']<min_val:
                min_val=row['VAL']

        else:
            if last_date+timedelta(days=1)==datetime_object:
                last_date=datetime_object
                if row['VAL']<min_val:
                    min_val=row['VAL']


            else:
                arr=[]
                arr.append(str(start.date()))
                arr.append(str(last_date.date()))
                arr.append(((last_date-start).days)+1)
                arr.append(min_val)
                start=datetime_object
                last_date=datetime_object
                min_val=row['VAL']
                mat.append(arr)
arr=[]

arr.append(str(start.date()))
arr.append(str(last_date.date()))
arr.append(((last_date-start).days)+1)
arr.append(min_val)
mat.append(arr)
df = pd.DataFrame(mat, columns = ['start', 'end', 'days', 'min']) 
df

out:

start   end days    min
0   2007-06-29  2007-06-29  1   -0.006408
1   2007-07-04  2007-07-04  1   -0.000003
2   2007-07-10  2007-07-11  2   -0.018858
3   2007-07-16  2007-07-17  2   -0.008562