Python 如何在数据帧中添加互补间隔

假设我有一个100个样本的

信号
L=100

在这个信号中，我发现了一些我标记为“OK”的间隔。间隔存储在如下所示的数据帧中：

c = pd.DataFrame(np.array([[10,26],[50,84]]),columns=['Start','End'])
c['Value']='OK'

如何在另一个数据帧中添加互补间隔以获得类似的结果

 d = pd.DataFrame(np.array([[0,9],[10,26],[27,49],[50,84],[85,100]]),columns=['Start','End'])
 d['Value']=['Check','OK','Check','OK','Check']

我认为你需要：

d = pd.merge(d, c, how='left')
d['Value'] = d['Value'].fillna('Check')
print (d)
   Start  End  Value
0      0    9  Check
1     10   26     OK
2     27   49  Check
3     50   84     OK
4     85  100  Check

编辑：

您可以对新的
df
使用with和
DataFrame
构造函数。替换列最后需要使用by
dict
：

s = np.sort(np.concatenate([[0], c['Start'].values, c['End'].values + 1]))
e = np.sort(np.concatenate([c['Start'].values - 1, c['End'].values, [100]]))
d =  pd.DataFrame(np.column_stack([s,e]), columns=['Start','End'])
d = pd.merge(d, c, how='left').fillna({'Value':'Check'})
print (d)
   Start  End  Value
0      0    9  Check
1     10   26     OK
2     27   49  Check
3     50   84     OK
4     85  100  Check

编辑1：

对于
d
，由
loc
添加了新值，由和重新调整到
系列。上次创建
df
返回人：

我认为你需要：

d = pd.merge(d, c, how='left')
d['Value'] = d['Value'].fillna('Check')
print (d)
   Start  End  Value
0      0    9  Check
1     10   26     OK
2     27   49  Check
3     50   84     OK
4     85  100  Check

编辑：

您可以对新的
df
使用with和
DataFrame
构造函数。替换列最后需要使用by
dict
：

s = np.sort(np.concatenate([[0], c['Start'].values, c['End'].values + 1]))
e = np.sort(np.concatenate([c['Start'].values - 1, c['End'].values, [100]]))
d =  pd.DataFrame(np.column_stack([s,e]), columns=['Start','End'])
d = pd.merge(d, c, how='left').fillna({'Value':'Check'})
print (d)
   Start  End  Value
0      0    9  Check
1     10   26     OK
2     27   49  Check
3     50   84     OK
4     85  100  Check

编辑1：

对于
d
，由
loc
添加了新值，由和重新调整到
系列。上次创建
df
返回人：

您可以使用第一个数据帧创建第二个数据帧，然后像建议的@jezrael那样进行合并：

d = pd.DataFrame({"Start":[0] + sorted(pd.concat([c.Start , c.End+1])), "End": sorted(pd.concat([c.Start-1 , c.End]))+[100]} )
d = pd.merge(d, c, how='left')
d['Value'] = d['Value'].fillna('Check')
d = d.reindex_axis(["Start","End","Value"], axis=1)

输出

    Start   End Value
0   0       9   Check
1   10     26   OK
2   27     49   Check
3   50     84   OK
4   85    100   Check

您可以使用第一个数据帧创建第二个数据帧，然后像建议的@jezrael那样进行合并：

d = pd.DataFrame({"Start":[0] + sorted(pd.concat([c.Start , c.End+1])), "End": sorted(pd.concat([c.Start-1 , c.End]))+[100]} )
d = pd.merge(d, c, how='left')
d['Value'] = d['Value'].fillna('Check')
d = d.reindex_axis(["Start","End","Value"], axis=1)

输出

    Start   End Value
0   0       9   Check
1   10     26   OK
2   27     49   Check
3   50     84   OK
4   85    100   Check

谢谢jezrael，但我的问题是我没有数据帧d，我不知道如何从CHMM开始创建它，那么它就更复杂了。请给我一些时间。谢谢jezrael，但我的问题是我没有数据帧d，我不知道如何从CHMM开始创建它，那么它就更复杂了。请给我一些时间。谢谢，有没有想过先“开始”再“结束”作为专栏？谢谢，有没有想过先“开始”再“结束”作为专栏？