You need to enable JavaScript to run this app. 如何使用pandas实现多信号按首个非零值同步对齐
优惠活动
大模型
产品
解决方案
定价
更多

如何使用pandas实现多信号按首个非零值同步对齐

多信号同步处理实现方案

预期同步效果参考下图:
同步效果示例图

核心实现思路

要求的同步逻辑可以通过单列独立处理、再统一对齐的方式实现,步骤如下:

  1. 对每列(Run1/Run2/Run3)单独识别并提取所有连续非零值块,跳过块前后的无效零值
  2. 按规则重组列内容:第一个非零块放在列最开头,之后插入4个零值,再拼接下一个非零块,重复这个操作直到所有块都拼接完成
  3. 所有列重组完成后,统一补零到相同的最大长度,最终所有信号的首个非零值都从索引0位置开始,块间隔一致实现同步

依赖说明

无需复杂第三方库,仅用pandas和numpy即可完成全部操作,也可以使用scipy.signal模块的块识别函数简化非零块提取逻辑,无强制额外依赖。

完整实现代码

import pandas as pd
import numpy as np

# 原始数据
data = {'ID': [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23, 24, 25,
              26, 27, 28, 29, 30, 31, 32, 33, 34, 35, 36, 37, 38, 39, 40, 41, 42, 43, 44, 45, 46, 47, 48,
              49, 50, 51, 52, 53, 54, 55, 56, 57, 58, 59, 60, 61, 62, 63, 64, 65, 66, 67, 68, 69, 70, 71,
              72, 73, 74, 75, 76, 77, 78, 79, 80, 81, 82, 83, 84, 85, 86, 87, 88, 89, 90, 91, 92, 93, 94, 
              95, 96, 97, 98, 99, 100, 101, 102, 103, 104, 105, 106, 107, 108, 109, 110, 111, 112],
        'Run1': [0, 0, 0, 4.5, 4.6, 4.4, 4.3, 0, 0, 0, 0, 0, 0, 2.5, 2.8, 2.4, 0, 0, 0, 0, 4.5, 4.6, 4.4, 4.3,
              0, 0, 0, 0, 0, 2.5, 2.8, 2.4, 0, 0, 0, 0, 0, 0, 4.5, 4.6, 4.4, 4.3, 0, 0, 0,
              0, 0, 0, 0, 2.5, 2.8, 2.4, 2.8, 2.1, 0, 0, 0, 0, 0, 0, 4.5, 4.6, 4.4, 4.3, 4.3, 0, 0, 0,
              0, 0, 2.5, 2.8, 2.4, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 
              0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
        'Run2': [0, 0, 4.1, 4.5, 4.6, 4.4, 0, 0, 0, 0, 0, 0, 0, 0, 0, 2.4, 2.4, 2.5, 2.8, 3.3, 0, 0, 0, 0,
              4, 4.1, 4.5, 4.6, 4.4, 0, 0, 0, 0, 0, 0, 0, 0, 0, 2.5, 2.6, 2.4, 2.3, 2.5, 0, 0,
              0, 0, 0, 0, 0, 4.8, 4.4, 4.8, 4.2, 0, 0, 0, 0, 0, 0, 0, 0, 2.4, 2.3, 2.3, 2.1, 2.8, 0,
              0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 4, 4.1, 4.5, 4.6, 4.4, 0, 0, 0, 0, 0, 0, 0, 0, 
              0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 2.5, 2.8, 2.4, 2.8, 2.1],
        'Run3': [0, 0, 0, 0, 0, 0, 0, 4.6, 4.4, 4.3, 4.7, 4.4, 0, 0, 0, 0, 0, 0, 2.4, 2.8, 2.1, 0, 0, 0, 4.6, 4.4, 4.3,
              4.3, 0, 0, 0, 0, 0, 0, 2.4, 2.4, 2.4, 2.4, 2.4, 0, 0, 0, 4.6, 4.4, 4.3, 4.4, 0, 0,
              0, 0, 0, 0, 0, 0, 0, 2.5, 2.8, 2.4, 2.8, 2.1, 0, 0, 0, 0, 0, 0, 4.5, 4.6, 4.4, 4.3, 4.3, 0, 0, 0,
              0, 0, 2.2, 2.1, 2.5, 2.8, 2.4, 2.9, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 
              0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0]       
       }  
df = pd.DataFrame(data)

# 定义单列处理函数
def process_column(col):
    # 提取非零块
    non_zero = col != 0
    # 识别块的起始和结束位置
    block_starts = np.where(np.diff(non_zero.astype(int), prepend=0) == 1)[0]
    block_ends = np.where(np.diff(non_zero.astype(int), append=0) == -1)[0]
    blocks = [col[s:e].values for s,e in zip(block_starts, block_ends)]
    
    # 重组列
    res = []
    for i, block in enumerate(blocks):
        res.extend(block)
        # 最后一个块后面不用加0
        if i != len(blocks) -1:
            res.extend([0]*4)
    return np.array(res)

# 处理所有Run列
processed_cols = {}
max_len = 0
for col in ['Run1', 'Run2', 'Run3']:
    processed = process_column(df[col])
    processed_cols[col] = processed
    if len(processed) > max_len:
        max_len = len(processed)

# 统一长度补零
for col in processed_cols:
    pad_len = max_len - len(processed_cols[col])
    processed_cols[col] = np.pad(processed_cols[col], (0, pad_len), mode='constant')

# 生成结果DataFrame
result_df = pd.DataFrame(processed_cols)
# 可按需添加ID列
result_df.insert(0, 'ID', range(1, len(result_df)+1))

print(result_df.head(10))

结果验证

处理后的每列第一个非零值都在索引0位置,相邻非零块之间固定间隔4个零值,完全符合需求的同步效果。

内容的提问来源于stack exchange,提问作者Essegn

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.10.21 16:06:00