python - 在 Pandas 数据帧中查找 "best"切片而不循环

Question

我正在开发一个项目，其中导入 .gpx 文件并将其转换为 Pandas 数据框以进行进一步分析。此文件包含来自 Strava、Endomondo、Runkeeper 等锻炼的位置和时间数据。我已经计算了总距离、时间和速度等统计数据，但我还想找到锻炼中特定距离的最快或最佳时间。因此，对于 16 公里锻炼，我想计算这 16 公里内我最快的 5 公里、10 公里等。

我写了一些有用的东西，但它涉及到数据帧的循环。由于循环数据帧是我应该避免的事情，我觉得应该有一个更有效的解决方案。

数据框看起来像这样:

    distance_dis_3d time_delta
0   0.000000        0.0
1   0.000000        18.0
2   28.229476       1.0
3   5.452599        3.0
4   3.078864        1.0
...

此代码适用于查找最快的 5000 米:

df_selected['distance_cumsum'] = df_selected['distance_dis_3d'].cumsum()
df_selected['time_cumsum'] = df_selected['time_delta'].cumsum()

df_output = pd.DataFrame(columns=['time', 'distance', 'minutes_per_kilometer'])

for i in range(len(df_selected.index)):

    df_xK = df_selected[(df_selected['distance_cumsum'] - df_selected['distance_cumsum'].iat[i]) >= 5000]
    if(len(df_xK.index) != 0):
        time = df_xK['time_cumsum'].iat[0] - df_selected['time_cumsum'].iat[i]
        distance = df_xK['distance_cumsum'].iat[0] - df_selected['distance_cumsum'].iat[i]
        minutes_per_kilometer = (time/60)/(distance/1000)
        df_output = df_output.append({'time': time, 'distance': distance, 'minutes_per_kilometer': minutes_per_kilometer}, ignore_index=True)

best_5k = df_output.loc[df_output['minutes_per_kilometer'].idxmin()]

print('Time 5K:', floor(best_5k['time'] / 60), 'min', floor(best_5k['time'] % 60), 'sec.')

我知道我应该使用矢量化或 .apply()，但我不知道如何在这里执行此操作。因此，非常感谢任何帮助!谢谢!

可以在此处下载测试文件:http://gofile.me/2RsVN/dos1tPTVD

Answer 1

抱歉，我没有尽快将其发送给您，但我认为这就是您正在寻找的内容。

def rollKilos(kilometers):
    df = pd.DataFrame.from_dict({'KM':(1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16)
    ,'Time':(5.3, 5.25, 5.35, 5.36, 5.42, 5.2, 5.25, 5.5, 5.4, 5.15, 5.25, 5.35, 5.3, 5.2, 5.3, 5.1)})
    df = df.set_index('KM')
    return min(df.rolling(kilometers).mean()['Time'][kilometers:])

df.rolling(5).mean()
Out[23]: 
     Time
KM       
1     NaN
2     NaN
3     NaN
4     NaN
5   5.336
6   5.316
7   5.316
8   5.346
9   5.354
10  5.300
11  5.310
12  5.330
13  5.290
14  5.250
15  5.280
16  5.250

rollKilos(5)
Out[30]: 5.249999999999998

rollKilos(3)
Out[31]: 5.200000000000002

rollKilos(10)
Out[32]: 5.279999999999999