python - 使用 Pandas 的过滤器计算值之间的差异

Question

我有一个数据框，每一行都包含有关事件的信息以及事件是否成功。我想计算不成功事件之间的增量，我知道如何计算字段之间的差异，但在使用过滤器时不知道。

我的数据框有这样的结构:

      Timestamp     Status          
   0 2012-01-01     OK 
   1 2012-01-02     OK 
   2 2012-01-03     FAIL
   3 2012-01-05     OK 
   4 2012-01-06     OK 
   5 2012-01-07     FAIL

我想要的是计算每一行的时间直到下一次失败，所以 somtethin 是这样的:

      Timestamp     Status     Days_until_next_fail              
   0 2012-01-01     OK         2
   1 2012-01-02     OK         1
   2 2012-01-03     FAIL       0
   3 2012-01-05     OK         2
   4 2012-01-06     OK         1
   5 2012-01-07     FAIL       0

我试过这个:

df['days_until_next_failure'] = df.Timestamp - df[(df.Status == '1')].Timestamp(+1)

但这会返回 NaT，我在文档中找不到任何内容来应用过滤和使用 shift。一种选择是从末尾开始遍历数据帧，但这似乎有点低效。

Answer 1

以下给出自上次失败以来的天数，而不是距离下一次失败的天数:

is_fail = (df.Status != 'OK')
cumulative_fails = is_fail.cumsum()
fail_idx, = is_fail.nonzero()
days_since_last_fail = arange(len(is_fail))
days_since_last_fail[fail_idx[0]:] -= fail_idx[cumulative_fails[fail_idx[0]:]-1]

如果你想要正确的版本，那么你可以自己调整它，或者可能只是在开始和结束时反转原始数组。