Python 3.x 如何在将标志0更改为1python之前取3个值的平均值

我有一个带有A、B和flag列的数据帧。我想计算标志从0变为1之前2个值的平均值，当标志从0变为1时记录值，当标志从1变为0时记录值

# Input dataframe
df=pd.DataFrame({'A':[1,3,4,7,8,11,1,15,20,15,16,87],
                 'B':[1,3,4,6,8,11,1,19,20,15,16,87],
                 'flag':[0,0,0,0,1,1,1,0,0,0,0,0]})

# Expected output
df_out=df=pd.DataFrame({'A_mean_before_flag_change':[5.5],
                        'B_mean_before_flag_change':[5],
                        'A_value_before_change_flag':[7], 
                        'B_value_before_change_flag':[6]})

---

我假设这需要适用于具有多个上升沿的情况，并且连续值和平均值会附加到输出列表中：

# the first step is to extract the rising and falling edges using diff(), identify sections and length
df['flag_diff'] = df.flag.diff().fillna(0)
df['flag_sections'] = (df.flag_diff != 0).cumsum()
df['flag_sum'] = df.flag.groupby(df.flag_sections).transform('sum')

# then you can get the relevant indices by checking for the rising edges
rising_edges = df.index[df.flag_diff==1.0]
val_indices = [i-1 for i in rising_edges]
avg_indices = [(i-2,i-1) for i in rising_edges]

# and finally iterate over the relevant sections
df_out = pd.DataFrame()
df_out['A_mean_before_flag_change'] = [df.A.loc[tpl[0]:tpl[1]].mean() for tpl in avg_indices]
df_out['B_mean_before_flag_change'] = [df.B.loc[tpl[0]:tpl[1]].mean() for tpl in avg_indices]
df_out['A_value_before_change_flag'] = [df.A.loc[idx] for idx in val_indices]
df_out['B_value_before_change_flag'] = [df.B.loc[idx] for idx in val_indices]
df_out['length'] = [df.flag_sum.loc[idx] for idx in rising_edges]
df_out.index = rising_edges

---

我假设这需要适用于具有多个上升沿的情况，并且连续值和平均值会附加到输出列表中：

# the first step is to extract the rising and falling edges using diff(), identify sections and length
df['flag_diff'] = df.flag.diff().fillna(0)
df['flag_sections'] = (df.flag_diff != 0).cumsum()
df['flag_sum'] = df.flag.groupby(df.flag_sections).transform('sum')

# then you can get the relevant indices by checking for the rising edges
rising_edges = df.index[df.flag_diff==1.0]
val_indices = [i-1 for i in rising_edges]
avg_indices = [(i-2,i-1) for i in rising_edges]

# and finally iterate over the relevant sections
df_out = pd.DataFrame()
df_out['A_mean_before_flag_change'] = [df.A.loc[tpl[0]:tpl[1]].mean() for tpl in avg_indices]
df_out['B_mean_before_flag_change'] = [df.B.loc[tpl[0]:tpl[1]].mean() for tpl in avg_indices]
df_out['A_value_before_change_flag'] = [df.A.loc[idx] for idx in val_indices]
df_out['B_value_before_change_flag'] = [df.B.loc[idx] for idx in val_indices]
df_out['length'] = [df.flag_sum.loc[idx] for idx in rising_edges]
df_out.index = rising_edges

---

我尝试创建更通用的解决方案：

df=pd.DataFrame({'A':[1,3,4,7,8,11,1,15,20,15,16,87],
                 'B':[1,3,4,6,8,11,1,19,20,15,16,87],
                 'flag':[0,0,0,0,1,1,1,0,0,1,0,1]})
print (df)
     A   B  flag
0    1   1     0
1    3   3     0
2    4   4     0
3    7   6     0
4    8   8     1
5   11  11     1
6    1   1     1
7   15  19     0
8   20  20     0
9   15  15     1
10  16  16     0
11  87  87     1

首先使用标志的下一个1值按掩码为0创建组：

然后筛选出大小小于N的组：

筛选最后N行：

最后加上平均值：

---

我尝试创建更通用的解决方案：

df=pd.DataFrame({'A':[1,3,4,7,8,11,1,15,20,15,16,87],
                 'B':[1,3,4,6,8,11,1,19,20,15,16,87],
                 'flag':[0,0,0,0,1,1,1,0,0,1,0,1]})
print (df)
     A   B  flag
0    1   1     0
1    3   3     0
2    4   4     0
3    7   6     0
4    8   8     1
5   11  11     1
6    1   1     1
7   15  19     0
8   20  20     0
9   15  15     1
10  16  16     0
11  87  87     1

首先使用标志的下一个1值按掩码为0创建组：

然后筛选出大小小于N的组：

筛选最后N行：

最后加上平均值：

---

---

每次出现上升沿时，结果应该在dataframe中有一行。在这种情况下，只需将列表响应添加到dataframe。如果您需要上升沿的索引，以便能够轻松地将结果与正确的边缘关联，则需要将其复制到生成的数据帧中，也请参见编辑。其他事情现在似乎很好，有一个问题，我还需要记录每个上升沿的长度，您可以添加这一行？编辑以包括上升沿后的节的长度每次上升沿出现时结果应在dataframe中有一行在这种情况下，只需将列表响应添加到dataframe。如果您需要上升沿的索引，以便能够轻松地将结果与正确的边缘关联，则需要将其复制到生成的数据帧中，也请参见编辑。其他事情现在似乎很好，有一个问题，我还需要记录每个上升沿的长度，您可以添加此项？编辑以包括上升边后的截面长度此解决方案适用于之前2行的shift mask，如果需要之前8行的shift mask，则需要更改哪个部分？@Edward-不幸的是，所有解决方案。请给我一些时间。@Edward-如果重叠的组没有问题吗？就像我的答案中的样本数据N=8，那么最后一组是重叠的。或者在实际数据中是不可能的？在理想情况下，重叠是不可能的allowed@Edward-所以需要理想数据的解决方案，这意味着没有组重叠？此解决方案适用于之前2行的移位掩码，如果需要之前8行的移位掩码，哪部分需要更改？@Edward-不幸的是，所有解决方案。请给我一些时间。@Edward-如果重叠的组没有问题吗？就像我的答案中的样本数据N=8，那么最后一组是重叠的。或者在实际数据中是不可能的？在理想情况下，重叠是不可能的allowed@Edward-所以需要理想数据的解决方案，这意味着没有组重叠？

df2 = df1.groupby('g').tail(N)

d = {'mean':'_mean_before_flag_change', 'last': '_value_before_change_flag'}
df3 = df2.groupby('g')['A','B'].agg(['mean','last']).sort_index(axis=1, level=1).rename(columns=d)
df3.columns = df3.columns.map(''.join)
print (df3)
   A_value_before_change_flag  B_value_before_change_flag  \
g                                                           
2                          20                          20   
3                           7                           6   

   A_mean_before_flag_change  B_mean_before_flag_change  
g                                                        
2                      11.75                      12.75  
3                       3.75                       3.50