我有一个pandas系列,其中包含数字和nans组,我想了解每个组的开始和结束。下面的代码执行此操作:

def get_ranges(d):
    results = []
    start = None
    for i in range(len(d) - 1):
        if start is None and not np.isnan(d.ix[i]):
            start = d.index[i]
        if start is not None and np.isnan(d.ix[i + 1]):
            results.append((start, d.index[i]))
            start = None
    if start is not None:
        results.append((start, d.index[i]))
    return pd.DataFrame(results, columns=['start', 'end'])


例如。:

In [24]: d = pd.Series([0, 1, 4, 2, nan, nan, nan, 4, 2, nan, 10, nan])

In[25]: get_ranges(d)
Out[25]:
   start  end
0      0    3
1      7    8
2     10   10

[3 rows x 2 columns]


但是看来熊猫应该可以很容易地做到这一点,可能使用groupby。有一些内置的方法可以让我丢失这些组吗?

最佳答案

不确定是否有更方便的方法,以下是我正在使用的方法:

获取那些有数字但没有nan的索引

In [134]: s = d.dropna().index.to_series()

In [135]: s
Out[135]:
0      0
1      1
2      2
3      3
7      7
8      8
10    10
dtype: int64


开始和结束

In [136]: start = s[s.diff(1) != 1].reset_index(drop=True)

In [137]: end = s[s.diff(-1) != -1].reset_index(drop=True)


然后,您可以通过构建所需的内容

In [138]: pd.DataFrame({'start': start, 'end': end}, columns=['start', 'end'])
Out[138]:
   start  end
0      0    3
1      7    8
2     10   10

[3 rows x 2 columns]

10-01 03:15