[我附上了我的系列的图片和获得该系列的代码,我如何获得1到下一个0之间的天数。例如,第一个1和下一个0之间的天数为4天(8月1日至8月5日(,下一个1和0之间的日期也为4天[8月8日至8日12日1
values = [1, 1, 0, 0, 0, 1, 1, 0, 1, 0, 0, 1, 1, 1, 1, 1, 0, 0, 0, 0, 1, 1]
dates =['2019-08-01', '2019-08-02', '2019-08-05', '2019-08-06',
'2019-08-07', '2019-08-08', '2019-08-09', '2019-08-12',
'2019-08-13', '2019-08-14', '2019-08-15', '2019-08-16',
'2019-08-19', '2019-08-20', '2019-08-21', '2019-08-22',
'2019-08-23', '2019-08-26', '2019-08-27', '2019-08-28',
'2019-08-29', '2019-08-30']
pd.Series(values, index = dates)
您可以在此处使用类似itertool.groupby
的groupby来尝试此操作。每组提取第一个指标。由于你必须找到两组的差异,所以必须有相同数量的1组和0组,如果不是这样,那么删除最后一组。
s = pd.Series(values, index = pd.to_datetime(dates))
g = s.ne(s.shift()).cumsum()
vals = s.groupby(g).apply(lambda x:x.index[0])
# vals
1 2019-08-01
2 2019-08-05
3 2019-08-08
4 2019-08-12
5 2019-08-13
6 2019-08-14
7 2019-08-16
8 2019-08-23
9 2019-08-29
dtype: object
现在我们没有相同数量的1组和0组,所以放弃组索引。并制作大小为2的块,即现在,每个块都有1和0组索引。
end = None if not len(vals)%2 else -1
vals = vals.iloc[:end].values.reshape((-1, 2))
# vals
array([['2019-08-01T00:00:00.000000000', '2019-08-05T00:00:00.000000000'],
['2019-08-08T00:00:00.000000000', '2019-08-12T00:00:00.000000000'],
['2019-08-13T00:00:00.000000000', '2019-08-14T00:00:00.000000000'],
['2019-08-16T00:00:00.000000000', '2019-08-23T00:00:00.000000000']],
dtype='datetime64[ns]')
现在,我们必须使用np.diff
来找到差异。
days = np.diff(vals, axis=1).squeeze()
out = pd.Series(days)
# out
0 4 days
1 4 days
2 1 days
3 7 days
dtype: timedelta64[ns]
我认为下面这样的方法应该有效,首先要有一个带有日期索引的系列:
ds = pd.Series(values, index = pd.to_datetime(dates))
然后计算连续值之间的差值:
delta = ds - ds.shift(fill_value=ds[0]-1)
它看起来像这样:
pd.DataFrame({'value':ds,'delta':delta})
value delta
2019-08-01 1 1
2019-08-02 1 0
2019-08-05 0 -1
2019-08-06 0 0
2019-08-07 0 0
2019-08-08 1 1
2019-08-09 1 0
2019-08-12 0 -1
2019-08-13 1 1
2019-08-14 0 -1
所以你需要的开始日期是delta为1的时候,下一个零是-1的时候。因此:
starts = ds.index[delta == 1]
ends = ds.index[delta == -1]
(ends - starts[:len(ends)]).days
Int64Index([4, 4, 1, 7], dtype='int64')
注意,有些情况下,在数据帧的末尾,有1,但它们不会翻转为0,所以我忽略了这些。
从创建数据帧开始,数据帧的日期列由日期转换为日期时间和由值组成的val列:
df = pd.DataFrame({'date': pd.to_datetime(dates), 'val': values})
得到结果的想法是:
- 获取日期,其中val==0(对于其他行,取NaT(
- 执行";向后填充">
- 减去日期
- 根据以上结果(timedelta(获得天数
- 用0填充未完成的NaT值(如果有((在您的情况下这涉及最后2行,后面没有任何"0">0行"(
- 将结果保存在dist列中
这样做的代码是:
df['dist'] = (df.date.where(df.val == 0).bfill(0) - df.date)
.dt.days.fillna(0, downcast='infer')
结果是:
date val dist
0 2019-08-01 1 4
1 2019-08-02 1 3
2 2019-08-05 0 0
3 2019-08-06 0 0
4 2019-08-07 0 0
5 2019-08-08 1 4
6 2019-08-09 1 3
7 2019-08-12 0 0
8 2019-08-13 1 1
9 2019-08-14 0 0
10 2019-08-15 0 0
11 2019-08-16 1 7
12 2019-08-19 1 4
13 2019-08-20 1 3
14 2019-08-21 1 2
15 2019-08-22 1 1
16 2019-08-23 0 0
17 2019-08-26 0 0
18 2019-08-27 0 0
19 2019-08-28 0 0
20 2019-08-29 1 0
21 2019-08-30 1 0
(dist列是以天为单位的距离(。
如果需要,请仅从上面的结果中获取带有val!=的行0。