使用Python统计时间序列中的唯一Power循环

原始数据 #

现有时间序列数据框df1如下：

DateTime      Power[HP]  PowerJump   PowerStart
01/01/2018    0          0           0
01/02/2018    10         0           1
01/03/2018    99         1           0
01/04/2018    20         0           0
01/05/2018    60         0           0
01/06/2018    70         0           0
01/07/2018    15         0           0
01/08/2018    95         1           0
01/09/2018    0          0           0
01/10/2018    10         0           1
01/11/2018    0          0           0
01/12/2018    95         1           1

字段说明：

• PowerJump：标记功率至少提升20HP且达到90HP及以上的情况
• PowerStart：标记发动机开始产生功率的所有情况

需求说明 #

统计循环数量，循环定义规则：

1. 满足PowerStart=1或PowerJump=1时，视为一个循环的触发点
2. 若PowerStart=1的下一行是PowerJump=1，则二者算作同一个循环，仅在PowerStart=1的行标记Cycle=1，后续的PowerJump=1行标记Cycle=0

本样本预期输出如下：

DateTime      Power[HP]  PowerJump   PowerStart  Cycle
01/01/2018    0          0           0           0
01/02/2018    10         0           1           1
01/03/2018    99         1           0           0
01/04/2018    20         0           0           0
01/05/2018    60         0           0           0
01/06/2018    70         0           0           0
01/07/2018    15         0           0           0
01/08/2018    95         1           0           1
01/09/2018    0          0           0           0
01/10/2018    10         0           1           1
01/11/2018    0          0           0           0
01/12/2018    95         1           1           1

Python实现代码 #

import pandas as pd

# 构造原始数据
data = {
    'DateTime': ['01/01/2018', '01/02/2018', '01/03/2018', '01/04/2018',
                 '01/05/2018', '01/06/2018', '01/07/2018', '01/08/2018',
                 '01/09/2018', '01/10/2018', '01/11/2018', '01/12/2018'],
    'Power[HP]': [0, 10, 99, 20, 60, 70, 15, 95, 0, 10, 0, 95],
    'PowerJump': [0, 0, 1, 0, 0, 0, 0, 1, 0, 0, 0, 1],
    'PowerStart': [0, 1, 0, 0, 0, 0, 0, 0, 0, 1, 0, 1]
}
df1 = pd.DataFrame(data)

# 初始化Cycle列为0
df1['Cycle'] = 0

# 标记所有初始符合条件的行（PowerStart=1 或 PowerJump=1）
mask = (df1['PowerStart'] == 1) | (df1['PowerJump'] == 1)
df1.loc[mask, 'Cycle'] = 1

# 处理PowerStart后紧跟PowerJump的情况：将后续的PowerJump行的Cycle设为0
follow_jump_mask = (df1['PowerStart'] == 1) & (df1['PowerJump'].shift(-1) == 1)
jump_indices = follow_jump_mask[follow_jump_mask].index + 1
df1.loc[jump_indices, 'Cycle'] = 0

print(df1.to_string(index=False))

代码说明 #

1. 先构造原始数据并初始化Cycle列为0
2. 标记所有满足PowerStart=1或PowerJump=1的行，将Cycle设为1
3. 筛选出PowerStart=1且下一行是PowerJump=1的行，找到它们的下一行索引，将这些行的Cycle重置为0，实现两个触发点合并为一个循环的逻辑
4. 最后打印输出结果，与预期一致

内容的提问来源于stack exchange，提问作者Wizytor