Pandas 查找事件的发生情况

我有一个包含五个不同事件的数组，每个事件在不同的时间间隔内发生不止一次

例：

---

以下是使用和的潜在方法：

然后，您可以进行进一步的分组操作，以获得所需的结果：

s_out = s_out.groupby(level=1, sort=False).apply(np.array)

[外]

---

我将您的活动列表作为一个简单的Python列表：

然后执行以下步骤：

导入itertools

（不久将需要）

从act创建数据帧：

向辅助数据帧生成数据：

rows = []
for k, g in itertools.groupby(df.itertuples(name='row'), lambda row: row.activity):
    grp = list(g)
    rows.append([(grp[0].Index, grp[-1].Index), k])

df2 = pd.DataFrame(rows, columns=['id', 'activity'])

请注意，itertools.groupby与groupby的不同之处在于 详细信息：源元素键中的每个更改都会打开一个新组

因此，结果是：

[[(0, 3), 'walking'],
 [(4, 7), 'running'],
 [(8, 12), 'walking'],
 [(13, 15), 'standing'],
 [(16, 18), 'walking']]

activity
running                        [(4, 7)]
standing                     [(13, 15)]
walking     [(0, 3), (8, 12), (16, 18)]
Name: id, dtype: object

创建辅助数据帧：

rows = []
for k, g in itertools.groupby(df.itertuples(name='row'), lambda row: row.activity):
    grp = list(g)
    rows.append([(grp[0].Index, grp[-1].Index), k])

df2 = pd.DataFrame(rows, columns=['id', 'activity'])

生成最终结果：

df2.groupby('activity').id.agg(list)

结果是：

[[(0, 3), 'walking'],
 [(4, 7), 'running'],
 [(8, 12), 'walking'],
 [(13, 15), 'standing'],
 [(16, 18), 'walking']]

activity
running                        [(4, 7)]
standing                     [(13, 15)]
walking     [(0, 3), (8, 12), (16, 18)]
Name: id, dtype: object

---

例如，对于walking-一个元组列表，就像你想要的一样。

现在我得到了他真正想要的，在这种情况下，我的解决方案完全不同，谢谢

df2.groupby('activity').id.agg(list)

activity
running                        [(4, 7)]
standing                     [(13, 15)]
walking     [(0, 3), (8, 12), (16, 18)]
Name: id, dtype: object