Python 比较给定列2×2的值的最佳方法

为了创建一个新的列，我将对数据帧中给定列的值进行二乘二的比较（前一列与当前列）

我的输入df如下所示：

            timestamp  charging
0 2017-10-15 18:36:46         1
1 2017-10-15 18:41:54         1
2 2017-10-15 18:46:54         1
3 2017-10-15 18:50:35         1
4 2017-10-15 18:54:14        -1
5 2017-10-15 18:57:54        -1
6 2017-10-15 19:02:47        -1
7 2017-10-15 19:11:41         1
8 2017-10-15 19:21:25         1
9 2017-10-15 19:31:04        -1

我只想在充电值从正变为负或从负变为正时，创建具有相同时间戳值的新列。 输出应为：

            timestamp  charging period start/end time
0 2017-10-15 18:36:46         1                   NaT
1 2017-10-15 18:41:54         1                   NaT
2 2017-10-15 18:46:54         1                   NaT
3 2017-10-15 18:50:35         1   2017-10-15 18:50:35
4 2017-10-15 18:54:14        -1   2017-10-15 18:54:14
5 2017-10-15 18:57:54        -1                   NaT
6 2017-10-15 19:02:47        -1   2017-10-15 19:02:47
7 2017-10-15 19:11:41         1   2017-10-15 19:11:41
8 2017-10-15 19:21:25         1   2017-10-15 19:21:25
9 2017-10-15 19:31:04        -1   2017-10-15 19:31:04

我这样做的方式不好（但可以使用以下代码）：

df['period start/end time'] = pd.NaT

for ind in df.index:
    if ind > 0:
       if df.at[ind, 'charging'] > 0 and df.at[ind-1, 'charging'] < 0:
          df.at[ind-1, 'period start/end time'] = df.at[ind-1, 'timestamp']
          df.at[ind, 'period start/end time'] = df.at[ind, 'timestamp']

       if df.at[ind, 'charging'] < 0 and df.at[ind-1, 'charging'] > 0:
          df.at[ind-1, 'period start/end time'] = df.at[ind-1, 'timestamp']
          df.at[ind, 'period start/end time'] = df.at[ind, 'timestamp']

df[“时段开始/结束时间”]=pd.NaT
对于df.index中的ind：
如果ind>0：
如果[ind'充电']>0且[ind-1'充电']<0：
df.at[ind-1，'期间开始/结束时间']=df.at[ind-1，'时间戳']
df.at[ind，'期间开始/结束时间']=df.at[ind，'时间戳']
如果[ind'充电']<0且[ind-1'充电']>0时：
df.at[ind-1，'期间开始/结束时间']=df.at[ind-1，'时间戳']
df.at[ind，'期间开始/结束时间']=df.at[ind，'时间戳']

这太费时了！，有没有办法更快更好地完成这项工作？

IIUC

mask = (df.charging != df.charging.shift().bfill())
df.loc[mask | mask.shift(-1).fillna(False), 'new']  = df.timestamp

    timestamp             charging  new
0   2017-10-15 18:36:46   1         NaT
1   2017-10-15 18:41:54   1         NaT
2   2017-10-15 18:46:54   1         NaT
3   2017-10-15 18:50:35   1         2017-10-15 18:50:35
4   2017-10-15 18:54:14  -1         2017-10-15 18:54:14
5   2017-10-15 18:57:54  -1         NaT
6   2017-10-15 19:02:47  -1         2017-10-15 19:02:47
7   2017-10-15 19:11:41   1         2017-10-15 19:11:41
8   2017-10-15 19:21:25   1         2017-10-15 19:21:25
9   2017-10-15 19:31:04  -1         2017-10-15 19:31:04

IIUC

创建遮罩：

condition = df.charging.diff().bfill().ne(0) | df.charging.diff().shift(-1).ne(0)

使用

np.where

df['new'] = np.where(condition, df.timestamp, pd.NaT)   

            timestamp  charging                 new
0  2017-10-1518:36:46         1                 NaT
1  2017-10-1518:41:54         1                 NaT
2  2017-10-1518:46:54         1                 NaT
3  2017-10-1518:50:35         1  2017-10-1518:50:35
4  2017-10-1518:54:14        -1  2017-10-1518:54:14
5  2017-10-1518:57:54        -1                 NaT
6  2017-10-1519:02:47        -1  2017-10-1519:02:47
7  2017-10-1519:11:41         1  2017-10-1519:11:41
8  2017-10-1519:21:25         1  2017-10-1519:21:25
9  2017-10-1519:31:04        -1  2017-10-1519:31:04

创建遮罩：

condition = df.charging.diff().bfill().ne(0) | df.charging.diff().shift(-1).ne(0)

使用

np.where

df['new'] = np.where(condition, df.timestamp, pd.NaT)   

            timestamp  charging                 new
0  2017-10-1518:36:46         1                 NaT
1  2017-10-1518:41:54         1                 NaT
2  2017-10-1518:46:54         1                 NaT
3  2017-10-1518:50:35         1  2017-10-1518:50:35
4  2017-10-1518:54:14        -1  2017-10-1518:54:14
5  2017-10-1518:57:54        -1                 NaT
6  2017-10-1519:02:47        -1  2017-10-1519:02:47
7  2017-10-1519:11:41         1  2017-10-1519:11:41
8  2017-10-1519:21:25         1  2017-10-1519:21:25
9  2017-10-1519:31:04        -1  2017-10-1519:31:04

---

第8行不应该也有时间戳吗？是的，我的错误第8行不应该也有时间戳吗？是的，我的错误花了我一段时间来理解逻辑，但它相当聪明！，thx:）我花了一段时间才弄明白其中的逻辑，但它相当聪明！，thx:）