时间戳

首页 > 解决方案 > 在 pandas 数据框中查找模式，按行重新排序，并重置索引

pandas - 在 pandas 数据框中查找模式，按行重新排序，并重置索引

问题描述

这是一个多部分问题。我已经为每个单独的部分找到了解决方案，但是当我尝试组合这些解决方案时，我没有得到我想要的结果。

假设这是我的数据框：

df = pd.DataFrame(list(zip([1, 3, 6, 7, 7, 8, 4], [6, 7, 7, 9, 5, 3, 1])), columns = ['Values', 'Vals'])
df

    Values  Vals
0     1     6
1     3     7
2     6     7
3     7     9
4     7     5
5     8     3
6     4     1

假设我想在“值”列中找到模式 [6, 7, 7]。我可以使用这里给出的第二个解决方案的修改版本： Pandas: How to find a specific pattern in a dataframe column？

pattern = [6, 7, 7]

pat_i = [df[i-len(pattern):i] # Get the index 
 for i in range(len(pattern), len(df)) # for each 3 consequent elements 
 if all(df['Values'][i-len(pattern):i] == pattern)] # if the pattern matched
pat_i

[   Values  Vals
 2       6     7
 3       7     9
 4       7     5]

我发现将其缩小到仅索引值的唯一方法如下：

pat_i = [df.index[i-len(pattern):i] # Get the index 
 for i in range(len(pattern), len(df)) # for each 3 consequent elements 
 if all(df['Values'][i-len(pattern):i] == pattern)] # if the pattern matched
pat_i

[RangeIndex(start=2, stop=5, step=1)]

找到模式后，我想要在原始数据框中将模式重新排序为 [7, 7, 6]，并在执行此操作时移动整个相关行。换句话说，通过索引，我想得到如下所示的输出：

df.reindex([0, 1, 3, 4, 2, 5, 6])

    Values  Vals
0     1     6
1     3     7
3     7     9
4     7     5
2     6     7
5     8     3
6     4     1

然后，最后，我想重置索引，以便所有列中的值都保留在新的重新排序位置；

    Values  Vals
0     1     6
1     3     7
2     7     9
3     7     5
4     6     7
5     8     3
6     4     1

为了pat_i用作重新排序的基础，我尝试修改此处给出的第二个解决方案： Python Pandas: How to move one row to the first row of a Dataframe?

target_row = 2
# Move target row to first element of list.
idx = [target_row] + [i for i in range(len(df)) if i != target_row]

但是，我不知道如何利用pat_iRangeIndex 对象将其与此代码一起使用。解决方案，当我找到它时，将应用于数百个数据帧，每个数据帧都将包含需要在一个位置重新排序的 [6, 7, 7] 模式，但每个数据帧中的位置不同.

任何帮助表示赞赏......而且我确信必须有一种优雅的、pythonic 的方式来做到这一点，因为它似乎应该是一个足够普遍的挑战。谢谢你。

标签： pandasdataframeindexingpattern-matching

解决方案

我只是重写了你的代码。我将第一个和最后一个索引放在一边，重新排序感兴趣的索引，然后将所有内容放在一个新索引中。然后我只使用新索引对数据进行重新排序。

import pandas as pd
from pandas import RangeIndex

df = pd.DataFrame(list(zip([1, 3, 6, 7, 7, 8, 4], [6, 7, 7, 9, 5, 3, 1])), columns = ['Values', 'Vals'])
pattern = [6, 7, 7]
new_order = [1, 2, 0] # new order of pattern

for i in list(df[df['Values'] == pattern[0]].index):
    if all(df['Values'][i:i+len(pattern)] == pattern):
        pat_i = df[i:i+len(pattern)]
front_ind = list(range(0, pat_i.index[0]))
back_ind = list(range(pat_i.index[-1]+1, len(df)))
pat_ind = [pat_i.index[i] for i in new_order]
new_ind = front_ind + pat_ind + back_ind
df = df.loc[new_ind].reset_index(drop=True)


df
Out[82]: 
   Values  Vals
0       1     6
1       3     7
2       7     9
3       7     5
4       6     7
5       8     3
6       4     1

推荐阅读