如何根据列中的条件进行计算？

Question

当有一组连续跟随的时候，我想做一个计算。

我有一个关于压缩机工作原理的数据库。如果是 ON/OFF 和此刻消耗的电量，我会每 5 分钟获取一次压缩机状态。 On_Off 列有一个 1 当压缩机工作时（ON）和 0 当它关闭时。

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

我想做的是有一套的时候才加电，再做一套Data.Frame。例如：

在这个例子中，第一次打开压缩机是在 00:20 -00:30 之间。期间消耗了25（10+10+5）。第二次它在 (00:50-01:15) 持续更长时间，并在此间隔 50 (10+10+10+10+10+5+5) 内消耗。第三次消耗20(10+10).

我想自动执行此操作我是 pandas 的新手，我想不出办法。

Answer 1

我要做的是创建一个代表 activity 的每个周期的变量，并用一个整数作为 ID，然后按它分组并对 Electricity 列求和。创建它的一种简单方法是通过累积求和 On_Off（数据必须按递增日期排序）并将结果值乘以 On_Off 列。如果您在 Pandas 中提供 table 的可重现示例，我可以快速将解决方案写给您。

希望对您有所帮助

Answer 2

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：

第一个是功能性的并且独立于pandas：您只需通过字段partition您的数据，即该方法按顺序处理数据并在每次值时生成一个新分区领域的变化。然后，您可以根据需要简单地汇总每个分区。

# 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pandas方式，类似于@ivallesp提到的方式：您可以通过移动状态列来计算状态的变化。那你


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()

根据您和您的同龄人的最佳阅读能力，您可以选择自己的方式。另外，函数式的方式可能不容易阅读，也可以用可读的循环语句重写。

如何根据列中的条件进行计算？

How can I do a calculation depending on a condition in a column?

python

series

pandas