組值在間隔

我有一個包含零，一和np.nan一個熊貓系列contaning np.nan：組值在間隔

import pandas as pd 
import numpy as np 
df1 = pd.Series([ 0, 0, 0, 0, 0, 1, 1, 1, 0, 0, 0, np.nan, np.nan, 1]) 
df1 
Out[6]: 
0  0.0 
1  0.0 
2  0.0 
3  0.0 
4  0.0 
5  1.0 
6  1.0 
7  1.0 
8  0.0 
9  0.0 
10 0.0 
11 NaN 
12 NaN 
13 1.0 
dtype: float64

我想創建一個包含起始和間隔上年底數據幀DF2相同的值，連同值相關聯... DF2在這種情況下應該是...

df2 
Out[5]: 
    Start  End Value 
0  0 4   0 
1  5 7   1 
2  8 10  0 
3  11 12  NaN 
4  13 13  1

繼解決here：

s = df1.ne(df1.shift()).cumsum() 
df2 = df1.groupby(s).apply(lambda x: pd.Series([x.index[0], x.index[-1], x.iat[0]], 
               index=['Start','End','Value'])) 
        .unstack().reset_index(drop=True)

，但它並不適用於這種情況下

df2 
Out[11]: 
    Start End Value 
0 0.0 4.0 0.0 
1 5.0 7.0 1.0 
2 8.0 10.0 0.0 
3 11.0 11.0 NaN 
4 12.0 12.0 NaN 
5 13.0 13.0 1.0

來源

2017-06-29 gabboshow

如果你想知道NaN值永遠不會相等的原因，在這個問題中解釋。這不是python或numpy特定的。 https://stackoverflow.com/questions/1565164/what-is-the-rationale-for-all-comparisons-returning-false-for-ieee754-nan-values –

NaNs有平等的支票發放工作。你可以解決問題，臨時填充一個不顯眼的值。

In [361]: s = df1.fillna('-dummy-').ne(df1.fillna('-dummy-').shift()).cumsum() 

In [362]: df1.groupby(s).apply(lambda x: pd.Series([x.index[0], x.index[-1], x.iat[0]], 
    ...:           index=['Start','End','Value'])) 
    ...:   .unstack().reset_index(drop=True) 
Out[362]: 
    Start End Value 
0 0.0 4.0 0.0 
1 5.0 7.0 1.0 
2 8.0 10.0 0.0 
3 11.0 12.0 NaN 
4 13.0 13.0 1.0

來源

2017-06-29 10:34:36 Zero

回答

相關問題