时间戳

首页 > 解决方案 > 如何在 Pandas 中找到模式？

python - 如何在 Pandas 中找到模式？

问题描述

使用pandasand python，我想找到一种模式，其中流的流入量比平时大得多，并且在 5 天内跟随它的流出量不少于流中流入量的 5%。请参阅下面的数据框。

我希望能够在新列中标记此运动（我们称之为标记）。

想象一下这个数据框有数千行，你想找到一个类似的模式并在整个过程中标记它。

Index    date           stream
0        2019-01-01        2
1        2019-01-02        0
2        2019-01-03        1
3        2019-01-04        0
4        2019-01-05        3
5        2019-01-06        2
7        2019-01-07        100
8        2019-01-08        0
9        2019-01-09        0
10       2019-01-10       -95
11       2019-01-11        3    
12       2019-01-13        0  
13       2019-01-14        2
14       2019-01-15       -1
15       2019-01-16        0
16       2019-01-17        2
17       2019-01-18        93
18       2019-01-19       -2
19       2019-01-20       -89

标签： pythonpandasdataframe

解决方案

尝试做一个rolling averagingon df['stream']。

stream = [2, 0, 1, 0, 3, 2, 100, 0, 0, -95, 3, 0, 2, -1, 0, 2, 93, -2, -89]
date = [
    '2019-01-01', '2019-01-02', '2019-01-03', '2019-01-04', '2019-01-05',
    '2019-01-06', '2019-01-07', '2019-01-08', '2019-01-09', '2019-01-10',
    '2019-01-11', '2019-01-13', '2019-01-14', '2019-01-15', '2019-01-16',
    '2019-01-17', '2019-01-18', '2019-01-19', '2019-01-20'
]

df = pd.DataFrame({'date': date, 'stream': stream})

def process(row):
    if row['stream'] > 20*row['stream_mean']:
        return 1
    else:
        return 0
df['stream_mean'] = df['stream'].rolling(5).mean()
df['stream_mean'] = df['stream_mean'].shift(periods=1)
df['flag'] = df.apply(process,axis=1)
df

如果您应用Bollinger Band并创建一个Standard Deviation column并且也可以尝试一种95% Confidence interval方法会更好。

希望能帮助到你 ：）

推荐阅读