如何筛选On Hold Begins事件及后续紧邻事件并重构DataFrame

我来帮你搞定这个需求，用Pandas就能轻松实现。假设你的原始数据已经是按时间顺序排列的DataFrame（列名比如Event、Timestamp、Deviation），我们可以分步骤处理：

步骤1：为每个On Hold Begins事件划分组 #

首先，我们需要把每个以On Hold Begins开头的事件片段单独分组，这样能方便我们只处理符合要求的片段（排除前两行非On Hold Begins开头的部分）：

import pandas as pd

# 假设你的原始数据存储在df中
df['group_id'] = (df['Event'] == 'On Hold Begins').cumsum()

这行代码会给每个On Hold Begins事件分配一个递增的组ID，所有在两个On Hold Begins之间的事件会被归到同一个组里，而前两行非On Hold Begins的事件会被分到group_id=0的组中。

步骤2：筛选每个组的前两行（On Hold Begins + 紧邻后续事件） #

接下来，我们只保留每个组的前两行——第一行是On Hold Begins，第二行就是它的紧邻后续事件：

# 提取每个组的前两行数据
grouped_data = df.groupby('group_id').head(2)

步骤3：将两行数据合并为一行，整理成目标格式 #

现在我们把每个组的两行数据合并成一行，分别提取On Hold Begins和后续事件的时间戳、偏差值：

# 聚合每个组的数据，生成目标列
result_df = grouped_data.groupby('group_id').agg(
    on_hold_timestamp=('Timestamp', lambda x: x.iloc[0]),
    on_hold_deviation=('Deviation', lambda x: x.iloc[0]),
    next_event=('Event', lambda x: x.iloc[1] if len(x) >= 2 else None),
    next_timestamp=('Timestamp', lambda x: x.iloc[1] if len(x) >= 2 else None),
    next_deviation=('Deviation', lambda x: x.iloc[1] if len(x) >= 2 else None)
).reset_index(drop=True)

# 排除没有后续事件的On Hold Begins行（比如最后一行是On Hold Begins的情况）
result_df = result_df.dropna(subset=['next_event'])

# 排除前两行所在的group_id=0的组
result_df = result_df[result_df['on_hold_timestamp'].isin(df[df['Event'] == 'On Hold Begins']['Timestamp'])]

最终结果说明 #

处理后的result_df会包含以下列：

• on_hold_timestamp：On Hold Begins事件的时间戳
• on_hold_deviation：On Hold Begins事件的偏差值
• next_event：紧邻On Hold Begins的后续事件名称（比如Below Threshold、Stage Enabled）
• next_timestamp：后续事件的时间戳
• next_deviation：后续事件的偏差值

而且自动排除了前两行非On Hold Begins开头的片段，完全符合你的需求。

内容的提问来源于stack exchange，提问作者longlivebrew