有没有办法使用 python pandas 对批量进行分组？
is there a way to groupby bulks using python pandas?
我有一个实验的不同试验的不同时间序列的 DataFrame。数据包含车辆加速状态的列。状态为 -1 表示减速，0 表示制动，1 表示加速。
我想对每个 -1、0、1 进行汇总，并且需要一种方法来将所有相邻的 1 分组，同时忽略其他 1。 0 和 -1 也一样。
例如：
这就是我的：
X轴加速度
X轴状态
0
0
0
0
0
0
0.87
1
0.88
1
0
0
-0.28
-1
-0.27
-1
0
0
0
0
0.46
1
0.23
1
这是我想要得到的：
平均X轴加速度
X轴状态
事件数
0
0
1
0.875
1
2
0
0
3
-0.275
-1
4
0
0
5
0.345
1
6
按列 X axis state 的连续值创建组并汇总 mean，最后按 list 更改列顺序：
g = df['X axis state'].ne(df['X axis state'].shift()).cumsum().rename('event number')
df = df.groupby([g, 'X axis state'])['X axis acceleration'].mean().reset_index()
df = df[['X axis acceleration','X axis state','event number']]
print (df)
X axis acceleration X axis state event number
0 0.000 0 1
1 0.875 1 2
2 0.000 0 3
3 -0.275 -1 4
4 0.000 0 5
5 0.345 1 6
编辑：如果按移位值进行比较得到 Trues 如果值发生变化：
print (df['X axis state'].ne(df['X axis state'].shift()))
0 True
1 False
2 False
3 True
4 False
5 True
6 True
7 False
8 True
9 False
10 True
11 False
Name: X axis state, dtype: bool
所以如果加上累计和得到组：
print (df['X axis state'].ne(df['X axis state'].shift()).cumsum().rename('event number'))
0 1
1 1
2 1
3 2
4 2
5 3
6 4
7 4
8 5
9 5
10 6
11 6
Name: event number, dtype: int32
我有一个实验的不同试验的不同时间序列的 DataFrame。数据包含车辆加速状态的列。状态为 -1 表示减速，0 表示制动，1 表示加速。
我想对每个 -1、0、1 进行汇总，并且需要一种方法来将所有相邻的 1 分组，同时忽略其他 1。 0 和 -1 也一样。
例如： 这就是我的：
| X轴加速度 | X轴状态 |
|---|---|
| 0 | 0 |
| 0 | 0 |
| 0 | 0 |
| 0.87 | 1 |
| 0.88 | 1 |
| 0 | 0 |
| -0.28 | -1 |
| -0.27 | -1 |
| 0 | 0 |
| 0 | 0 |
| 0.46 | 1 |
| 0.23 | 1 |
这是我想要得到的：
| 平均X轴加速度 | X轴状态 | 事件数 |
|---|---|---|
| 0 | 0 | 1 |
| 0.875 | 1 | 2 |
| 0 | 0 | 3 |
| -0.275 | -1 | 4 |
| 0 | 0 | 5 |
| 0.345 | 1 | 6 |
按列 X axis state 的连续值创建组并汇总 mean，最后按 list 更改列顺序：
g = df['X axis state'].ne(df['X axis state'].shift()).cumsum().rename('event number')
df = df.groupby([g, 'X axis state'])['X axis acceleration'].mean().reset_index()
df = df[['X axis acceleration','X axis state','event number']]
print (df)
X axis acceleration X axis state event number
0 0.000 0 1
1 0.875 1 2
2 0.000 0 3
3 -0.275 -1 4
4 0.000 0 5
5 0.345 1 6
编辑：如果按移位值进行比较得到 Trues 如果值发生变化：
print (df['X axis state'].ne(df['X axis state'].shift()))
0 True
1 False
2 False
3 True
4 False
5 True
6 True
7 False
8 True
9 False
10 True
11 False
Name: X axis state, dtype: bool
所以如果加上累计和得到组：
print (df['X axis state'].ne(df['X axis state'].shift()).cumsum().rename('event number'))
0 1
1 1
2 1
3 2
4 2
5 3
6 4
7 4
8 5
9 5
10 6
11 6
Name: event number, dtype: int32