利用起始列和完成栏有效地合并相同熊猫数据的重叠间隔
利用起始列和完成栏有效地合并相同熊猫数据的重叠间隔
提问于 2019-09-11 05:26:58
我正在合并熊猫数据帧中的重叠间隔，并寻找在熊猫中这样做的有效方法，除了在第1行×1行上运行的常规算法之外，我如何在熊猫上这样做？
我已经尝试过在每一行上运行定期重叠的方法，并询问当前的row.start < last_end。这对我来说很管用。
假设我输入了以下数据
df:
START FINISH
0 0.000000 10.000000
1 10.000000 8700.182997
2 0.000000 10.000000
3 10.000000 9720.687227
4 9850.123 9990.000000我预计产出如下：
df:
START FINISH
0 0.000000 9720.687227
2 9850.123 9990.000000提前感谢！
回答 2
Stack Overflow用户
回答已采纳
发布于 2019-09-11 07:01:06
你只需要熊猫就能做到
import pandas as pd
import io
## load data
raw ="""START,FINISH
0.000000 ,10.000000
10.000000 ,4500.182997
5000.00 ,7000.000000
6000 ,8500.687227
9850.123,9990.000000
"""
buf_bytes = io.StringIO(raw)
df=pd.read_csv(buf_bytes)
## solution
df.sort_values("START", inplace=True)
## This line compares if START of next row is greater than FINISH of current
## row ("shift" shifts down FINISH by one row). The value of expression before
## cumsum will be True if interval breaks (i.e. cannot be merged), so
## cumsum will increment group value when interval breaks (cum sum treats True=1, False=0)
df["group"]=(df["START"]>df["FINISH"].shift()).cumsum()
## this returns min value of "START" column from a group and max value fro m "FINISH"
result=df.groupby("group").agg({"START":"min", "FINISH": "max"})
display(result)输出
START FINISH
group
0 0.000 4500.182997
1 5000.000 8500.687227
2 9850.123 9990.000000Stack Overflow用户
发布于 2020-12-14 02:37:44
上面的答案是鼓舞人心的，但仍有一些需要改进的地方。
(1)应该记录shift()将上升一个记录，而不是下降。(2)不考虑某一行何时在上一纪录的界线内。只需添加cummax()就可以解决问题。
以下是修改后的代码：
import pandas as pd
import io
## load data
raw ="""START,FINISH
0.000000 ,10.000000
2.000000 ,3.000000
10.000000 ,4500.182997
5000.00 ,7000.000000
6000 ,8500.687227
9850.123,9990.000000
"""
buf_bytes = io.StringIO(raw)
df=pd.read_csv(buf_bytes)
## solution
df.sort_values("START", inplace=True)
## This line compares if START of present row is greater than largest FINISH in previous
## rows ("shift" shifts up FINISH by one row). The value of expression before
## cumsum will be True if interval breaks (i.e. cannot be merged), so
## cumsum will increment group value when interval breaks (cum sum treats True=1, False=0)
df["group"]=(df["START"]>df["FINISH"].shift().cummax()).cumsum()
print(df)
## this returns min value of "START" column from a group and max value fro m "FINISH"
result=df.groupby("group").agg({"START":"min", "FINISH": "max"})
print(result)产出：
START FINISH
group
0 0.000 4500.182997
1 5000.000 8500.687227
2 9850.123 9990.000000未经修改的解决方案的结果：
START FINISH
group
0 0.000 10.000000
1 10.000 4500.182997
2 5000.000 8500.687227
3 9850.123 9990.000000页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/57882621
复制相关文章
相似问题
腾讯云开发者
