python - 根据列的值连续性，按行拆分/分组 pandas DataFrame-6ren

python - 根据列的值连续性，按行拆分/分组 pandas DataFrame

转载作者：太空宇宙更新时间：2023-11-04 02:52:11

32

4

如果价格超过移动平均线(由“趋势”列中的变化给出)，我需要一些帮助来创建不同的行组。我将通过例子来解释它。以下是我的数据:

            close        avg      diff  trend
date                                        
2017-02-22  13.78  13.578652  0.201348     1
2017-02-23  13.80  13.580854  0.219146     1
2017-02-24  13.67  13.581741  0.088259     1
2017-03-01  13.65  13.582421  0.067579     1
2017-03-02  13.67  13.583292  0.086708     1
2017-03-03  13.60  13.583458  0.016542     1
2017-03-06  13.40  13.581633 -0.181633    -1
2017-03-07  13.48  13.580621 -0.100621    -1
2017-03-08  13.25  13.577332 -0.327332    -1
2017-03-09  12.95  13.571090 -0.621090    -1
2017-03-10  13.40  13.569387 -0.169387    -1
2017-03-13  13.35  13.567204 -0.217204    -1
2017-03-14  13.19  13.563451 -0.373451    -1
2017-03-15  13.85  13.566302  0.283698     1
2017-03-16  13.91  13.569722  0.340278     1
2017-03-17  13.40  13.568033 -0.168033    -1
2017-03-21  13.19  13.565079 -0.375079    -1
2017-03-22  12.95  13.558959 -0.608959    -1
2017-03-23  12.82  13.551606 -0.731606    -1
2017-03-24  12.93  13.545421 -0.615421    -1
2017-03-27  12.90  13.538999 -0.638999    -1
2017-03-28  13.20  13.535626 -0.335626    -1
2017-03-29  13.22  13.532485 -0.312485    -1
2017-03-30  13.20  13.529177 -0.329177    -1
2017-03-31  13.28  13.526698 -0.246698    -1
2017-04-03  13.27  13.524143 -0.254143    -1
2017-04-04  13.20  13.520918 -0.320918    -1
2017-04-05  13.30  13.518720 -0.218720    -1
2017-04-06  13.73  13.520822  0.209178     1
2017-04-07  13.61  13.521710  0.088290     1
2017-04-10  13.78  13.524280  0.255720     1
2017-04-11  13.66  13.525630  0.134370     1

当趋势列等于 1 时我想要不同的组，趋势列等于 -1 时不同的组。像这样:

            close        avg      diff  trend
date                                        
------- GROUP 1 for trend == 1: --------
2017-02-22  13.78  13.578652  0.201348     1
2017-02-23  13.80  13.580854  0.219146     1
2017-02-24  13.67  13.581741  0.088259     1
2017-03-01  13.65  13.582421  0.067579     1
2017-03-02  13.67  13.583292  0.086708     1
2017-03-03  13.60  13.583458  0.016542     1
------- GROUP 2 for trend == 1: --------
2017-03-15  13.85  13.566302  0.283698     1
2017-03-16  13.91  13.569722  0.340278     1
------- GROUP 3 for trend == 1: --------
2017-04-06  13.73  13.520822  0.209178     1
2017-04-07  13.61  13.521710  0.088290     1
2017-04-10  13.78  13.524280  0.255720     1
2017-04-11  13.66  13.525630  0.134370     1

趋势相同 == -1:

            close        avg      diff  trend
date                                        
------- GROUP 1 for trend == -1: --------
2017-03-06  13.40  13.581633 -0.181633    -1
2017-03-07  13.48  13.580621 -0.100621    -1
2017-03-08  13.25  13.577332 -0.327332    -1
2017-03-09  12.95  13.571090 -0.621090    -1
2017-03-10  13.40  13.569387 -0.169387    -1
2017-03-13  13.35  13.567204 -0.217204    -1
2017-03-14  13.19  13.563451 -0.373451    -1
------- GROUP 2 for trend == -1: --------
2017-03-17  13.40  13.568033 -0.168033    -1
2017-03-21  13.19  13.565079 -0.375079    -1
2017-03-22  12.95  13.558959 -0.608959    -1
2017-03-23  12.82  13.551606 -0.731606    -1
2017-03-24  12.93  13.545421 -0.615421    -1
2017-03-27  12.90  13.538999 -0.638999    -1
2017-03-28  13.20  13.535626 -0.335626    -1
2017-03-29  13.22  13.532485 -0.312485    -1
2017-03-30  13.20  13.529177 -0.329177    -1
2017-03-31  13.28  13.526698 -0.246698    -1
2017-04-03  13.27  13.524143 -0.254143    -1
2017-04-04  13.20  13.520918 -0.320918    -1
2017-04-05  13.30  13.518720 -0.218720    -1

任何有关如何实现该目标的提示都将受到欢迎。如果有程序解决方案(不使用循环)，我会很高兴。

最佳答案

使用 shift() 和 cumsum() 以及 bool 值等于 1 的事实，您可以构建一个检查连续性的组:

代码:

df.groupby((df.trend != df.trend.shift()).cumsum())

测试代码:

df = pd.read_fwf(StringIO(u"""
    date         close        avg      diff  trend
    2017-03-01  13.65  13.582421  0.067579     1
    2017-03-02  13.67  13.583292  0.086708     1
    2017-03-03  13.60  13.583458  0.016542     1
    2017-03-06  13.40  13.581633 -0.181633    -1
    2017-03-07  13.48  13.580621 -0.100621    -1
    2017-03-08  13.25  13.577332 -0.327332    -1
    2017-03-09  12.95  13.571090 -0.621090     1
    2017-03-10  13.40  13.569387 -0.169387     1
    2017-03-13  13.35  13.567204 -0.217204    -1
    2017-03-14  13.19  13.563451 -0.373451    -1
    2017-03-15  13.85  13.566302  0.283698     1
    2017-03-16  13.91  13.569722  0.340278     1
    2017-03-17  13.40  13.568033 -0.168033     1"""),
                 header=1).set_index(['date'])

for group in df.groupby((df.trend != df.trend.shift()).cumsum()):
    print(group)

结果:

(1,             close        avg      diff  trend
date                                         
2017-03-01  13.65  13.582421  0.067579      1
2017-03-02  13.67  13.583292  0.086708      1
2017-03-03  13.60  13.583458  0.016542      1)
(2,             close        avg      diff  trend
date                                         
2017-03-06  13.40  13.581633 -0.181633     -1
2017-03-07  13.48  13.580621 -0.100621     -1
2017-03-08  13.25  13.577332 -0.327332     -1)
(3,             close        avg      diff  trend
date                                         
2017-03-09  12.95  13.571090 -0.621090      1
2017-03-10  13.40  13.569387 -0.169387      1)
(4,             close        avg      diff  trend
date                                         
2017-03-13  13.35  13.567204 -0.217204     -1
2017-03-14  13.19  13.563451 -0.373451     -1)
(5,             close        avg      diff  trend
date                                         
2017-03-15  13.85  13.566302  0.283698      1
2017-03-16  13.91  13.569722  0.340278      1
2017-03-17  13.40  13.568033 -0.168033      1)

关于python - 根据列的值连续性，按行拆分/分组 pandas DataFrame，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/43549658/

32

4

0

文章推荐： python - ScrollView 中的 Kivy StackLayout

文章推荐： c - .string 和 db 在程序集中的区别

文章推荐： c - 通过 SPI 写入和读取闪存

文章推荐： python - 在 python 矩阵中查找列的总和？

mysql - 按 parent 分组，但不按 child 分组
您好，我正在处理 BIRT 报告。我有一个查询，我必须对父级的重复数据进行分组，但子级也不能分组! 在我的查询中: item 是父项，item_ledger_entry 是子项。我有来自 item.N
google-analytics - 为什么 MCF channel 分组≠默认 channel 分组？
我正在使用 GA API。这是针对 MCF 目标报告(底部)的标准目标完成指标表(顶部) 看一下这个: 总数加起来 (12,238)，但看看按 channel 分组的分割有多么不同!我以为这些会很接
OrientDB 分组
我正在开发一个流量计数器，我想获得 IP 和重复计数，但是如何？就像是 :select ip, count(ip) from Redirect 返回 : null total ip count 重定
Java正则表达式(分组)
我尝试编写一个正则表达式来匹配条件表达式，例如: a!=2 1+2=2+a 我尝试提取运算符。我当前的正则表达式是“.+([!=<>]+).+” 但问题是匹配器总是尝试匹配组中可能的最短字符串
分组、平均的SQL子查询问题
在 MS Transact SQL 中，假设我有一个这样的表(订单): Order Date Order Total Customer # 09/30/2008 8
MySQL:分组
我想按 m.ID 分组，并对每个 m.id 求和 (pm.amount_construction* prod.anzahl) 实际上我有以下结果: Meterial_id | amount_const
PostgreSQL 分组
我想根据多列中的值对值进行分组。这是一个例子: 我想得到输出: {{-30,-50,20},{-20,30,60},{-30,NULL or other value, 20}} 我设法到达: SELE
MySql 分组
我正在尝试找出运行此查询的最佳方式。我基本上需要返回在我们的系统中只下了一个订单的客户的“登录”字段列表(登录字段基本上是客户 ID/ key )。我们系统的一些背景...... 客户在同一日期下的
MYSQL - 分组
给定以下mysql结果集: id code name importance '1234', 'ID-CS-B', 'Chocolate Sauce'
python - 分组
大家好，我的数据框中有以下列: LC_REF 1 DT 16 2C 2 DT 16 2C 3 DT 16 2C 1 DT 16 3C 6 DT 16 3C 3
MongoDB 分组
我有这样的 mongoDB 集合 { "_id" : "EkKTRrpH4FY9AuRLj", "stage" : 10, }, { "_id" : "EkKTRrpH4FY9
Python 分组
假设我有一组数据对，其中 index 0 是值，index 1 是类型: input = [ ('11013331', 'KAT'), ('9085267',
java中用stream进行去重，排序，分组
java中用stream进行去重，排序，分组一、distinct 1. 八大基本数据类型 List collect = ListUtil.of(1, 2, 3, 1, 2).stream().fil
SQL - 如何添加具有平均值的列，分组
基本上，我从 TABLE_A 中的这个开始 France - 100 France - 200 France - 300 Mexico - 50 Mexico - 50 Mexico - 56 Pol
正则表达式，分组，查找最后一个匹配项
我希望这个正则表达式 ([A-Z]+)$ 将选择此示例中的最后一次出现: AB.012.00.022ABC-1 AB.013.00.022AB-1 AB.014.00.022ABAB-1 但我没有匹配
数据透视表中的 SQL 分组
我创建了一个数据透视表，但数据没有组合在一起。任何人都可以帮助我获得所需的格式吗？我为获取数据透视表而编写的查询: DECLARE @cols AS NVARCHAR(MAX), -- f
SQL选择并按一段时间(时间戳)分组
我想按时间段(月，周，日，小时，...)选择计数和分组。例如，我想选择行数并将它们按 24 小时分组。我的表创建如下。日期是时间戳。 CREATE TABLE MSG ( MSG_ID dec
围绕间隙的 SQL 分组
在 SQL Server 2005 中，我有一个包含如下数据的表: WTN------------Date 555-111-1212 2009-01-01 555-111-1212 2009-
python - 按多列对数据框中的连续条目进行聚类/分组
题假设我有 k 个标量列，如果它们沿着每列彼此在一定距离内，我想对它们进行分组。假设简单 k 是 2 并且它们是我唯一的列。 pd.DataFrame(list(zip(sorted(choice
pandas - 分组、拆分和选取数据框中的顶行
问题在以下数据框中 df : import random import pandas as pd random.seed(999) sz = 50 qty = {'one': 1, 'two': 2

首页

博学

6Ren·AI

商城

python - 根据列的值连续性，按行拆分/分组 pandas DataFrame