带条件修改DataFrame元素值的简便实现方法咨询
实现方法
可以用pandas的向量化操作实现,不需要手动写逐行循环,操作简单且执行效率高,完全匹配你描述的转换规则——从0上升到50的区间元素标1,从高点下降回0的区间元素标0,也和你给出的输入输出示例完全对齐。
核心步骤
- 第一步先按值为0的位置切分完整的波形周期:只要碰到值为0的点,就开启一个新的周期分组,把同一个周期内的所有连续值归为一组。
- 第二步对每个周期分组单独标记:组内从0结束的位置开始,到第一次出现值为1的位置,属于0向50上升的区间,所有非0元素标1;第一次出现1的位置之后,直到下一次碰到0之前的区间,属于向0回落的区间,所有元素标0;组内的0值本身固定标0。
可直接运行的示例代码
import pandas as pd # 你的原始序列 df = pd.DataFrame({'col': [0,50,50,1,50,50,50,50,0,50,1]}) # 按0值切分周期,打分组标记 df['group'] = (df['col'] == 0).cumsum() # 分组内生成转换结果 def mark_period(group): # 组内全是0的情况直接返回全0 if group['col'].eq(0).all(): return pd.Series([0]*len(group), index=group.index) # 定位组内第一个1的位置,也就是上升区间的终点 first_1_pos = group.index[group['col'] == 1].min() # 上升区间的非0值标1,其余标0 res = ((group.index <= first_1_pos) & (group['col'] != 0)).astype(int) return res df['result'] = df.groupby('group', group_keys=False).apply(mark_period)
运行结果验证
上述代码生成的result列取值为[0,1,1,1,0,0,0,0,0,1,1],和你期望的输出完全一致。这种方法适配长序列场景,哪怕是几十万行的时间序列数据,也能在几秒内跑完转换。
内容的提问来源于stack exchange,提问作者Marius
相关产品推荐
相关产品推荐

