python-3.x - 基于趋势值的数据操纵

Question

给定一个包含“日期”列和“值”列的数据集，我需要提出根据“值”列中的趋势按日期对数据进行分段的最佳解决方案。我的输出应该是一个 CSV 文件，其中包含以下列:StartDate、EndDate、StartValue、EndValue。开始和结束日期定义段的边界。 提供了一个简短的示例:输入数据:

 **Date**        **Value**
  01/01/2014        10
  01/02/2014        5
  01/03/2014        5
  01/04/2014        0

输出:

 **StartDate**   **EndDate**   **StartValue**   **EndValue**
   01/01/2014      01/15/2014        10              5
   01/16/2014      02/03/2014         5              5
   02/04/2014      03/10/2014         5              4

Answer 1

使用 pandas.DataFrame.shift 的方法 ( docs )。

首先，我将创建一个包含一些数据的数据框:

import pandas as pd
datelist = pd.date_range('1/1/2019', periods=100).tolist()
values = np.random.randint(1, 5, 100)
df = pd.DataFrame({'Date': datelist, 'Value': values})
df = df.set_index('Date')
df.head(10)

Date        Value
2019-01-01  1
2019-01-02  4
2019-01-03  2
2019-01-04  2
2019-01-05  2
2019-01-06  3
2019-01-07  2
2019-01-08  2
2019-01-09  3
2019-01-10  2

删除连续重复的行:

df = df.loc[df.Value.shift() != df.Value]

Date        Value
2019-01-01  2
2019-01-02  1
2019-01-04  2
2019-01-05  3
2019-01-06  1

重置索引(如果Date列是原始数据中的索引):

df = df.reset_index()

将现有列重命名为起始列。

df.columns = ['Start_Date', 'Start_Value']

通过将起始列向后移动一行来创建结束列。

df['End_Date'] = df.Start_Date.shift(-1)
df['End_Value'] = df.Start_Value.shift(-1)

删除 NaN(由于 shift(-1) 导致数据帧的最后一行。

df = df.dropna()

将 End_Value 类型设置为 int(如果首选)。

df['End_Value'] = df['End_Value'].astype(int)
df.head(10)

    Start_Date  Start_Value End_Date    End_Value
0   2019-01-01  1           2019-01-02  4
1   2019-01-02  4           2019-01-03  2
2   2019-01-03  2           2019-01-06  3
3   2019-01-06  3           2019-01-07  2
4   2019-01-07  2           2019-01-09  3
5   2019-01-09  3           2019-01-10  2
6   2019-01-10  2           2019-01-11  1
7   2019-01-11  1           2019-01-12  2
8   2019-01-12  2           2019-01-15  1
9   2019-01-15  1           2019-01-16  4

从数据帧创建 CSV 文件:

df.to_csv('trends.csv')