PythonPandasDataFrame：基于其他列值的條件列

問題描述：我
正在嘗試模擬一臺機器，如果“VALUE”在前 3 個時間步長中大于或等于 5，則其運行模式“B”發生 - 這意味著“VALUE”> = 5 至少 3分鐘。操作模式“B”在下一個時間步長中保持為“B”，只要“VALUE”大于或等于 5 并在至少 3 個時間步長后變為“A” - 這意味著操作模式“B”在接下來的 3 分鐘內保持有效。3 分鐘后，如果“VALUE”小于 5，則操作模式“A”打開。

目標：
我需要一種使用python和pandas的方法，根據“VALUE”列中的值和“on”狀態來識別“A”和“B”（列：“statusA/B”）描述的操作模式和“down”（列：“VALUE<5 --> down, VALUE>=5 --> on”）。

必須考慮的條件如下：

• 案例“A”和“B”相互依賴。
• 如果之前至少發生了 3 個“on”并且實際 VALUE 大于或等于 5，則發生案例“B”。
• 一旦出現“B”，即使狀態為“down”，接下來的3個時間步也必須為“B”，只要“on”存在，它就保持為“B”。

我所做的嘗試：
我嘗試了多種方法為“down”和“on”的情況應用計數器，并嘗試根據計數器值跟蹤狀態，但不幸的是它不能正常作業。

uj5u.com熱心網友回復：

修改后的解決方案。由于親愛的mozway提出的一個微妙的觀點，我編輯了我的解決方案：

import pandas as pd

df2['status'] = df2['VALUE'].mask(df2['VALUE'].shift().rolling(3, min_periods=3).min() >= 5, 'B')

m1 = df2['status'].shift().eq('B')
m2 = df2['status'].shift(2).eq('B')


df2['status'] = (df2['status']
                .mask(m1 | m2).fillna('B')
                .astype(str)
                .str.replace(r'\d ', 'A'))

m5 = df2['status'].shift().eq('B')
m6 = df2['status'].shift(2).eq('B')
m3 = df2['status'].eq('A')
m4 = df2.iloc[:, 2].eq('on')

df2['status'] = df2['status'].mask((m5 & m3 & m4) | (m6 & m3 & m4)).fillna('B')


    index  VALUE  ...                                 resulted statusA/B status
0       0      3  ...                                                  A      A
1       1      5  ...                                                  A      A
2       2      2  ...                                                  A      A
3       3      6  ...                                                  A      A
4       4      3  ...                                                  A      A
5       5      1  ...                                                  A      A
6       6      7  ...                                                  A      A
7       7      7  ...                                                  A      A
8       8      2  ...                                                  A      A
9       9      2  ...                                                  A      A
10     10      3  ...                                                  A      A
11     11      6  ...                                                  A      A
12     12      8  ...                                                  A      A
13     13      8  ...                                                  A      A
14     14      7  ...                                                  B      B
15     15      4  ...                                                  B      B
16     16      4  ...                                                  B      B
17     17      6  ...  A(expected is B because is "on" and at least 3...      B
18     18      6  ...  A(expected is B because is "on" and at least 3...      B
19     19      6  ...  A(expected is B because is "on" and at least 3...      B
20     20      7  ...                                                  B      B
21     21      2  ...                                                  B      B
22     22      9  ...                                                  B      B
23     23      8  ...  A(expected is B because "B" keeps a "B" for 3 ...      B
24     24      7  ...  A(expected is B because is "on" and at least 3...      B
25     25      2  ...                                                  B      B
26     26      4  ...  A(expected is B because "B" keeps a "B" for 3 ...      B
27     27      4  ...  A(expected is B because "B" keeps a "B" for 3 ...      B
28     28      1  ...  A(this true because it is down and the 3 time ...      A
29     29      4  ...                                                  A      A
[30 rows x 5 columns]

uj5u.com熱心網友回復：

我將代碼與以下“VALUE”列一起使用。

import pandas as pd

df['status'] = df['VALUE'].mask(df['VALUE'].shift().rolling(3, min_periods=3).min() >= 5, 'B')

m1 = df['status'].shift().eq('B')
m2 = df['status'].shift(2).eq('B')

df['status'] = (df['status']
                .mask(m1 & m2).fillna('B')
                .astype(str)
                .str.replace(r'\d ', 'A'))

我得到的結果與預期值不匹配。我為預期值添加了一些注釋。

問題詳細描述： 運行模式“B”可以理解為機器的冷卻時間。如果機器“開啟”至少 3 分鐘，則機器是溫暖的。如果有“向下”的時間步，機器會在接下來的 3 分鐘內保持溫暖。如果“停機”狀態持續 3 分鐘后機器變冷。

標籤：Python熊猫数据框条件语句柜台

上一篇：用python中的串列值替換csv檔案第一列

下一篇：熊貓列中按升序排序的問題