Python 是否打印数据框列中条件保留的日期周期？

我有一个txt。文件，其外观如下所示：

Name 1
                                                           
                                                           
   @Name( )                  Value       WATER       WHP     
                  Date       Unit         Unit       Unit     
-------------- ---------- ---------- ---------- ---------- 
Name 1       20081220      2900.00       0.00    3300.00 
Name 1       20081221      0.00          0.00    3390.00 
Name 1       20081222      2500.00       0.00    2802.00 
Name 1       20081223      0.00          0.00    3022.00
Name 1       20081224      0.00          0.00    3022.00

我使用以下代码导入python：

df = pd.read_csv(r'test_prd.txt', skiprows=6, engine="python", header=None)
df.columns = ['Test']
df.drop(df.tail(1).index, inplace = True) # because of file format
df = df.Test.str.split(expand=True)

df.rename(columns ={0:'Name', 1:'Number', 2:'Date', 3:'Value', 4:'Water', 5:'WHP'}
,inplace=True)
df['Date'] = pd.to_datetime(df['Date']).dt.floor('D').dt.strftime('%Y-%m-%d')
df['Note'] = (df['Value']).apply(lambda x: 'yes' if x==0 else '')
del df['Water']
del df['WHP']
    
df['Name'] = df['Name'].astype(str) + ' ' + df['Number'].astype(str)
del df['Number']

使用此代码后，数据框如下所示：

           Name      Date       Value       Note
    0     Name 1  2008-12-20    2900.00      
    1     Name 1  2008-12-21    0.00         Yes
    2     Name 1  2008-12-22    2500.00      
    3     Name 1  2008-12-23    0.00         Yes
    4     Name 1  2008-12-24    0.00         Yes 
   ...    ...        ...        ...          ...
    78    Name    2009-03-15    0.00         Yes
    79    Name    2009-03-16    3000.00      
    80    Name    2009-03-17    0.00         Yes
   ...    ...        ...        ...          ...

我想打印'Value'列等于零的时间段开始日期-结束日期，即'Note'=Yes。如果值不为零，则可以从数据帧中删除任何其他行。如果在非零值之前和之后有独立的零值，则开始日期和结束日期将相同

预期输出应如下所示：

      Name     Start Date      End Date     Value       Note
1     Name     2008-12-21    2008-12-21     0.00         Yes
2     Name     2008-12-23    2009-03-15     0.00         Yes
3     Name     2009-03-17        ***        0.00         Yes
       ...        ...           ...         ...          ...

---

我试图使用条件if语句或df.loc，但我对Python的了解还不足以将其组合起来。任何建议都将不胜感激。

要选择“备注”列为“是”的帧的所有行，请使用：

df.loc[df['Note'] == 'Yes']

这将生成一个只包含满足上述条件的行的帧

有关更有用的操作，请参见：

---

首先，让我们使用read\u csv导入您的数据帧

确保使用正确的柱分隔符替换sep值。这里我假设分隔符是一个或多个空格，如果不是，请调整它。 还要确保使用parse_dates参数将Date列转换为datetime，并且该值列的类型为float

现在，由于df是您的数据帧，这个代码段应该做您想要做的事情

df["Start"] = (df["Value"] == 0) & (df["Value"].shift(1) != 0)
ddf = df[df["Value"] == 0]
ddf["Group"] = ddf["Start"].cumsum()
rdf = ddf.groupby("Group").apply(lambda x: PD.Series({"Name":x["Name"].iloc[0],
                                                      "Start Date":x["Date"].min(),
                                                      "End Date":x["Date"].max(),
                                                      "Value": 0.,
                                                      "Note": "Yes",
                                                     })).reset_index(drop=True)

这里的要点是使用一些函数以有效的方式实现您想要的。不要使用循环，如果您的数据帧很大，那么您将需要大量时间来执行代码

在这里，我首先创建一个开始列，在其中检查哪一行是零间隔系列行的开始。我将值行向前移动1个位置，然后比较每一行。“开始”列对于应该开始间隔的每一行都有一个真值。 然后删除非零值行。 然后我使用cumsum对Start列求和。这将创建一个新列，我可以使用它将应该连接的间隔分组在一起。 最后，我可以使用groupby和apply将这些组连接在一起，并为每个组创建一行新的数据框，在其中我可以从date列中获取最早和最晚的日期。 对于已发布的行，最终结果是：

   Name Start Date   End Date  Value Note
0  Name 2008-12-21 2008-12-21    0.0  Yes
1  Name 2008-12-23 2009-03-15    0.0  Yes
2  Name 2009-03-17 2009-03-17    0.0  Yes

---

注释栏“是/否”是什么意思？看起来是的，只是标记了0值rows@Valentino，是的，它只是一个记号笔。数据是从另一个软件下载的，它是这样来的！谢谢你的建议！但不幸的是，这并不能解决我的问题。我需要出现这种情况的时间段，即“是”出现的第一个和最后一个日期。你好@Valentino，谢谢你的反馈。我尝试了您的示例代码，但得到的是空数据帧？输出返回的数据帧与原始数据帧大小相同，没有列。@knorr976奇怪的是，我测试了我的代码，它适合我。rdf是我发布的数据帧。您是如何在python/pandas中导入数据的？非常奇怪。我使用带有txt的pd.read_csv导入。文件然后我使用str.split拆分列。@knorr976我还使用read_csv。我已经编辑了我的答案，解释了如何导入数据帧。你能再试一次吗？还是不走运。我删除了最初在数据帧中的一些列，但最后这些列是不必要的。我在这个过程中使用del df[]。这会有影响吗？

   Name Start Date   End Date  Value Note
0  Name 2008-12-21 2008-12-21    0.0  Yes
1  Name 2008-12-23 2009-03-15    0.0  Yes
2  Name 2009-03-17 2009-03-17    0.0  Yes