Python：查找DataFrame中非零数值簇的频率及簇首元素位置

没问题，我来帮你搞定这个需求！咱们一步步来，先把你给的原始数据转换成pandas DataFrame，再识别出连续的非零数值簇，最后就能得到簇的数量（也就是你说的频率）和每个簇第一个非零元素的位置了。

步骤1：构造初始DataFrame #

首先把你提供的时间和数值整理成结构化数据，转换成pandas DataFrame，同时把时间字符串转成datetime类型方便后续处理：

import pandas as pd

# 整理你给出的原始数据
raw_data = [
    ("1/2/2010 5:00", 0),
    ("1/2/2010 6:00", 0),
    ("1/2/2010 7:00", 0),
    ("1/2/2010 8:00", 0),
    ("1/2/2010 9:00", 5),
    ("1/2/2010 10:00", 0),
    ("1/2/2010 11:00", 2),
    ("1/2/2010 12:00", 51),
    ("1/2/2010 13:00", 68),
    ("1/2/2010 14:00", 58),
    ("1/2/2010 15:00", 0),
    ("1/2/2010 16:00", 0),
    ("1/2/2010 17:00", 0),
    ("1/2/2010 18:00", 60),
    ("1/2/2010 19:00", 24),
    ("1/2/2010 20:00", 24),
    ("1/2/2010 21:00", 0),
    ("1/2/2010 22:00", 0)
]

# 创建DataFrame并转换时间格式
df = pd.DataFrame(raw_data, columns=["timestamp", "value"])
df["timestamp"] = pd.to_datetime(df["timestamp"], format="%m/%d/%Y %H:%M")

步骤2：识别连续的非零数值簇 #

核心思路是先标记所有非零值，然后通过判断“从0切换到非零”的节点来生成唯一的簇ID，这样就能把连续的非零值归为同一个簇：

# 标记每行是否为非零值
df["is_non_zero"] = df["value"] != 0

# 生成簇ID：只有当当前行是非零且上一行是零时，簇ID才递增
df["cluster_id"] = (df["is_non_zero"] & ~df["is_non_zero"].shift(1, fill_value=False)).cumsum()

# 筛选出所有非零簇的数据，方便后续分析
non_zero_clusters = df[df["is_non_zero"]].copy()

步骤3：获取簇的频率与首元素位置 #

现在我们可以对簇ID分组，提取每个簇的第一个非零元素的时间戳，同时统计簇的总数量（也就是你要的频率）：

# 获取每个簇的第一个非零元素的位置（时间戳）
cluster_first_pos = non_zero_clusters.groupby("cluster_id")["timestamp"].first().reset_index()
cluster_first_pos.columns = ["簇ID", "第一个非零元素时间"]

# 计算非零簇的总数量（频率）
cluster_frequency = len(cluster_first_pos)

# 打印结果
print(f"非零数值簇的频率（总数量）：{cluster_frequency}")
print("\n每个簇的第一个非零元素位置：")
print(cluster_first_pos)

运行结果 #

执行上述代码后，你会得到如下输出：

非零数值簇的频率（总数量）：3

每个簇的第一个非零元素位置：
   簇ID 第一个非零元素时间
0    1 2010-01-02 09:00:00
1    2 2010-01-02 11:00:00
2    3 2010-01-02 18:00:00

结果解释 #

• 总共有3个独立的非零数值簇：
  1. 第一个簇仅包含9:00的数值5（因为下一行10:00是0，单独成簇）
  2. 第二个簇是11:00到14:00的连续非零值（2、51、68、58）
  3. 第三个簇是18:00到20:00的连续非零值（60、24、24）

额外需求：如果需要每个簇的元素数量 #

如果你说的“频率”指的是每个簇内的元素个数（簇的长度），可以加上这段代码：

# 计算每个簇的元素数量
cluster_lengths = non_zero_clusters.groupby("cluster_id").size().reset_index(name="簇内元素数量")
print("\n每个簇的元素数量：")
print(cluster_lengths)

运行结果：

每个簇的元素数量：
   簇ID  簇内元素数量
0    1        1
1    2        4
2    3        3

内容的提问来源于stack exchange，提问作者Zanam