python - 用 Pandas 按间隔拆分长度(米)数据

Question

我有一个长度间隔数据(来自钻孔)的数据框，看起来像这样:

df
Out[46]: 
   from  to  min intensity
0     0  10   py        2
1     5  15  cpy       3.5
2    14  27  spy       0.7

我需要对这些数据进行数据透视，但也要在最不常见的长度间隔上对其进行分解；导致“min”列作为列标题，值是“rank”。输出看起来像这样:

df.somefunc(index=['from','to'], columns='min', values='intensity', fill_value=0)
Out[47]: 
   from  to  py  cpy  spy
0     0  5   2   0    0
1     5  10  2   3.5  0
2    10  14  0   3.5  0
3    14  15  0   3.5  0.7
4    15  27  0   0    0.7

所以基本上“从”和“到”描述了钻孔下方的非重叠区间，其中区间已按最小公分母拆分 - 正如您可以看到原始表中的“py”区间已拆分，第一个(0-5m)进入py:2，cpy:0，第二个(5-10m)进入py:2，cpy:3.5。

一个基本的 pivot_table 函数的结果是这样的:

pd.pivot_table(df, values='intensity', index=['from', 'to'], columns="min", aggfunc="first", fill_value=0)
Out[48]: 
min      cpy  py  spy
from to              
0    10    0   2    0
5    15  3.5   0    0
14   27    0   0    0.75

它只是将 from 和 to 列组合为一个索引。重要的一点是我的输出不能有重叠的 from 和 to 值(即后续的“from”值不能小于之前的“to”值)。

有没有一种使用 Pandas 来完成此操作的优雅方法？感谢您的帮助!

Answer 1

我不知道 Pandas 中的自然区间算法，所以你需要去做。 这是一种方法，如果我正确理解约束条件。 这可能是一个 O(n^3) 问题，它将为大条目创建巨大的表。

# make the new bounds
bounds=np.unique(np.hstack((df["from"],df["to"])))
df2=pd.DataFrame({"from":bounds[:-1],"to":bounds[1:]})

#find inclusions 
isin=df.apply(lambda x :
df2['from'].between(x[0],x[1]-1)
| df2['to'].between(x[0]+1,x[1])
,axis=1).T

#data
data=np.where(isin,df.intensity,0)

#result
df3=pd.DataFrame(data,
pd.MultiIndex.from_arrays(df2.values.T),df["min"])

对于:

In [26]: df3
Out[26]: 
min     py  cpy  spy
0  5   2.0  0.0  0.0
5  10  2.0  3.5  0.0
10 14  0.0  3.5  0.0
14 15  0.0  3.5  0.7
15 27  0.0  0.0  0.7