我想做一个计算,当有一组人连续跟随。
我有一个关于压缩机工作原理的数据库。每5分钟,我会得到压缩机的状态,如果它是开/关的,以及此时消耗的电量。压缩机工作时(开)有一个On_Off柱,关闭时1柱。

Compresor = pd.Series([0,0,1,1,1,0,0,1,1,1,0,0,0,0,1,1,1,0], index = pd.date_range('1/1/2012', periods=18, freq='5 min'))
df = pd.DataFrame(Compresor)
df.index.rename("Date", inplace=True)
df.set_axis(["ON_OFF"], axis=1, inplace=True)
df.loc[(df.ON_OFF == 1), 'Electricity'] = np.random.randint(4, 20, df.sum())
df.loc[(df.ON_OFF < 1), 'Electricity'] = 0
df


                             ON_OFF     Electricity
      Date
      2012-01-01 00:00:00       0       0.0
      2012-01-01 00:05:00       0       0.0
      2012-01-01 00:10:00       1       4.0
      2012-01-01 00:15:00       1       10.0
      2012-01-01 00:20:00       1       9.0
      2012-01-01 00:25:00       0       0.0
      2012-01-01 00:30:00       0       0.0
      2012-01-01 00:35:00       1       17.0
      2012-01-01 00:40:00       1       10.0
      2012-01-01 00:45:00       1       5.0
      2012-01-01 00:50:00       0       0.0
      2012-01-01 00:55:00       0       0.0
      2012-01-01 01:00:00       0       0.0
      2012-01-01 01:05:00       0       0.0
      2012-01-01 01:10:00       1       14.0
      2012-01-01 01:15:00       1       5.0
      2012-01-01 01:20:00       1       19.0
      2012-01-01 01:25:00       0       0.0

我想做的是,只有当有一组电耗时,才加上另一组电耗。例如:
python - 如何根据列中的条件进行计算?-LMLPHP
在本例中,压缩机第一次打开是在00:20-00:30之间。在此期间,它消耗了25(10+10+5)。第二次持续时间更长(00:50-01:15),并在此间隔50(10+10+10+10+10+10+5+5)内消耗。第三次消耗20(10+10)。
我想自动做这件事,我对熊猫还不熟悉,我想不出一个办法。

最佳答案

假设您有以下数据:

from operator import itemgetter

import numpy as np
import numpy.random as rnd
import pandas as pd
from funcy import concat, repeat
from toolz import partitionby

base_data = {
    'time': list(range(20)),
    'state': list(concat(repeat(0, 3), repeat(1, 4), repeat(0, 5), repeat(1, 6), repeat(0, 2))),
    'value': list(concat(repeat(0, 3), rnd.randint(5, 20, 4), repeat(0, 5), rnd.randint(5, 20, 6), repeat(0, 2)))
}


嗯,有两种方法:
第一个是功能性的,独立于pandas:您只需按字段partition处理数据,即方法是按顺序处理数据,并在字段值每次更改时生成一个新分区。然后您可以根据需要简单地总结每个分区。
# transform into sample data
sample_data = [dict(zip(base_data.keys(), x)) for x in zip(*base_data.values())]
# and compute statistics the functional way
[sum(x['value'] for x in part if x['state'] == 1)
 for part in partitionby(itemgetter('state'), sample_data)
 if part[0]['state'] == 1]

还有一种方式,类似于@ivalesp提到的:
您可以通过移动state列来计算状态的变化。那么你summarize your data frame by the group

pd_data = pd.DataFrame(base_data)
pd_data['shifted_state'] = pd_data['state'].shift(fill_value = pd_data['state'][0])
pd_data['cum_state'] = np.cumsum(pd_data['state'] != pd_data['shifted_state'])
pd_data[pd_data['state'] == 1].groupby('cum_state').sum()

根据你和你的同龄人能读到的最好的东西,你可以选择你的方式。此外,功能方法可能不容易读取,并且也可以用可读的循环语句重写。

关于python - 如何根据列中的条件进行计算?,我们在Stack Overflow上找到一个类似的问题:https://stackoverflow.com/questions/57397937/

10-12 18:35
查看更多