值更改时的标签行 pandas答案

【问题标题】：Label row when value changes pandas值更改时的标签行 pandas
【发布时间】：2022-01-24 18:45:53
【问题描述】：

我需要解决以下问题。我拥有的是时间戳和值。该值可以改变为正、负或保持稳定。一旦它从一行到另一行发生积极变化或保持稳定，我想在新列中添加一个标签。如果该值继续增加，则应将相同的标签添加到该行。一旦值发生负变化，应输入零作为标签。谁能帮帮我？

输入数据

df_raw = pd.DataFrame(
    {
        "timestamp": [
            "2017-06-16 05:19:18.993",
            "2017-06-16 05:19:28.993",
            "2017-06-16 05:19:38.993",
            "2017-06-16 05:19:48.993",
            "2017-06-16 05:19:58.993",
            "2017-06-16 05:25:08.993",
            "2017-06-16 05:25:18.993",
            "2017-06-16 07:44:28.993",
            "2017-06-16 07:45:38.993",
        ],
        "signalvalue": [0.0, 12.0, 22.0, 13.0, 0.0, 30.0, 0.0, 3.0, 6.0],
    }
)

    timestamp                signalvalue
0   2017-06-16 05:19:18.993  0.0
1   2017-06-16 05:19:28.993  12.0
2   2017-06-16 05:19:38.993  22.0
3   2017-06-16 05:19:48.993  13.0
4   2017-06-16 05:19:58.993  0.0
5   2017-06-16 05:25:08.993  30.0
6   2017-06-16 05:25:18.993  0.0
7   2017-06-16 07:44:28.993  3.0
8   2017-06-16 07:45:38.993  6.0

期望的输出

    timestamp                signalvalue    label
0   2017-06-16 05:19:18.993  0.0            0
1   2017-06-16 05:19:28.993  12.0           1
2   2017-06-16 05:19:38.993  22.0           1
3   2017-06-16 05:19:48.993  13.0           0
4   2017-06-16 05:19:58.993  0.0            0
5   2017-06-16 05:25:08.993  30.0           2
6   2017-06-16 05:25:18.993  0.0            0
7   2017-06-16 07:44:28.993  3.0            3
8   2017-06-16 07:45:38.993  6.0            3

【问题讨论】：

澄清：label 值应该在每次看到新事件时增加？你尝试了什么，你的尝试出了什么问题？我们要求问题包括 minimal reproducible example 显示您迄今为止尝试过的代码

标签： python pandas label

【解决方案1】：

如果大于零，您可以根据连续值的diff 计算掩码。然后只保留每个拉伸的第一项来计算cumsum：

m1= df_raw['signalvalue'].diff().gt(0)

df_raw['label'] = (m1&m1.ne(m1.shift())).cumsum()*m1.astype(int)

输出：

                 timestamp  signalvalue  label
0  2017-06-16 05:19:18.993          0.0      0
1  2017-06-16 05:19:28.993         12.0      1
2  2017-06-16 05:19:38.993         22.0      1
3  2017-06-16 05:19:48.993         13.0      0
4  2017-06-16 05:19:58.993          0.0      0
5  2017-06-16 05:25:08.993         30.0      2
6  2017-06-16 05:25:18.993          0.0      0
7  2017-06-16 07:44:28.993          3.0      3
8  2017-06-16 07:45:38.993          6.0      3

【讨论】：

到目前为止一切正常！但我自己认识到了一个错误。如果值之间的差异保持稳定，则标签不应为零。因此，只有当差异为负时，标签才应为 0。否则它应该像描述的那样增加。如何将其添加到您的解决方案中？谢谢！
我想用ge(0)（大于或等于）替换gt(0)（大于）

【解决方案2】：

您可以使用以下功能：

def increment_method_1(df,name):
    Results=[]
    last_result=0
    prev_val=0
    for val in df[name].values:
        if val==0 or (val>0 and prev_val>=val):
            Results.append(0)
        elif prev_val<val and prev_val!=0:
            Results.append(last_result)
        elif prev_val<val and prev_val==0:
            last_result+=1
            Results.append(last_result)
        else:
            print(prev_val,val,last_result)
            print("Unexpected condition")
        prev_val=val
    return Results

【讨论】：

【解决方案3】：

我假设您期望的输出类似于以下代码 sn-p。

import pandas as pd
import numpy as np

df_raw = pd.DataFrame(
    {
        "timestamp": [
            "2017-06-16 05:19:18.993",
            "2017-06-16 05:19:28.993",
            "2017-06-16 05:19:38.993",
            "2017-06-16 05:19:48.993",
            "2017-06-16 05:19:58.993",
            "2017-06-16 05:25:08.993",
            "2017-06-16 05:25:18.993",
            "2017-06-16 07:44:28.993",
            "2017-06-16 07:45:38.993",
        ],
        "signalvalue": [0.0, 12.0, 22.0, 13.0, 0.0, 30.0, 0.0, 3.0, 6.0],
    }
)

modified = np.zeros((len(df_raw),)).astype(int)
positive = 0 

for i in range(1, len(df_raw)):
    if df_raw["signalvalue"][i] > df_raw["signalvalue"][i - 1]:
        if modified[i - 1] == 0:
            positive += 1
            modified[i] = positive
        else:
            modified[i] = positive

    
df_raw['label'] = modified

【讨论】：