python - 使用滚动窗口准确检测数据帧中具有重复值(同头同尾)的序列
问题描述
我有一个多个熊猫数据框,每个数据框都有一个包含值的列,另一个具有相应的匹配时间。
即:[z,x,y,n,z,z,x 等] [1.234, 2.4467, 2.999, 6.432, 9.6764 等]
我想检测一个特定的模式(即 z、x、y、n、z)并创建一个新列,其中包含有关该值是否是序列的一部分的信息(称为“seq_bool”,每个值都为 True 或 False )。然后看起来像这样:
0 1 seq_bool
z 1.234 True
x 2.4467 True
y 2.999 True
n 6.432 True
z 9.6764 True
x 10.111 False
y 11.344 False
z 12.33 True
x 14.33 True
y 15.66 True
n 19.198 True
z 20.222 True
[...]
然后我使用这些信息来计算相应时间点的一些统计数据,基本上只取序列的一部分。
我已经通过以下代码获得了这个,来自stackoverflow上已经找到的解决方案
def rolling_window(a, window):
shape = a.shape[:-1] + (a.shape[-1] - window + 1, window)
strides = a.strides + (a.strides[-1],)
c = np.lib.stride_tricks.as_strided(a, shape=shape, strides=strides)
return c
arr = new_df[0].values
b = np.all(rolling_window(arr, N) == sequence_pattern, axis=1)
c = np.mgrid[0:len(b)][b]
d = [i for x in c for i in range(x, x + N)]
new_df['seq_bool'] = np.in1d(np.arange(len(arr)), d)
我的问题是这不能准确识别序列,因为序列以相同的字符开始和结束(即 'z' )
具体来说,如果我的数据中有以下值 [z, x, y, n, z, x, y, n, z],则该函数会识别出所有这些值都是序列的一部分(并且都是“真” ) 而事实上它们不是。只有一个正确的序列(即[z, x, y, n, z])。
我对python有点陌生,我不知道如何解决这个问题。有没有办法指定,当找到一个序列时,输出必要的变量,然后丢弃它并前进到列中的下一个值? 为了不误将前一个正确序列(即z)的尾部作为新序列的开始。
谢谢
解决方案
在您已有的基础上,在使用它之前,您可以删除c
与前一个值的距离小于 5 的所有值,确保在继续之前删除相关值。也就是说,如果c = np.array([0, 7, 11, 15])
,我们将删除 11 但保留 15。
现在,您可以根据需要对其中的部分进行矢量化,否则您正在寻找的只是归结为
i = 0
while i < len(c)-1:
if c[i+1] - c[i] < 5:
c = np.delete(c, i+1)
else:
i += 1
推荐阅读
- python - FileNotFoundError:[Errno 2] 没有这样的文件或目录:docker
- android - 有没有办法以编程方式设置单选按钮
- bash - ADO CLI 无法删除标签
- html - 如何防止使用角度材料拖动特定区域/div
- javascript - JavaScript 代码导致汉堡菜单不起作用
- docker - 如何在管道位于 kubernetes 执行器上的 GKE 集群中部署代码质量
- postgresql - Postgresql插入存储过程错误:查询没有返回数据的目的地
- centos - 如何在 RedHat / CentOS 8 的包组中列出所有具有依赖关系的包
- android - Android:软键盘将 EditText 隐藏在片段中
- linux - 在 Cloud Foundry 上运行 pg_dump 时出错