Python 熊猫-确定事件的持续时间

我有一个Panadas数据帧，其中包含各种操作（OpID）的测量值（Val），以及测量发生的时间戳（OpTime）

我希望生成只显示测量返回零的时间段的输出。Start列将显示一系列优化中的第一个，这些优化导致零，End将包含第一个Val的非零优化

鉴于上述样本数据，我期望的结果是：

OpID                      Start                     End
 143        2014-01-01 02:40:03     2014-01-01 02:50:01
 143        2014-01-01 02:55:01     2014-01-01 03:00:01
 212        2014-01-01 02:17:02     2014-01-01 02:30:01

---

如何使用

pivot（）

---

要获得您介绍的内容，可能只需：

pf3 = pd.DataFrame(pf2.pivot(index='idx2', columns='State', values='OpTime'))
pf3.index=asarray(pf3.index.values, 'int')

---

如果组中的最后一个度量值为零会怎么样？理想情况下，结果将包括一行，该行的结尾列中有null、NaN或OpTime。我认为这个案例是“额外的信贷”，因为我目前的需要，正确的答案不需要处理这种情况。这个解决方案取决于“代码>结束<代码/代码>和<代码>开始/代码>在您的时间序列中成对出现的假设。DSM所描述的情况肯定会打破这一假设。除此之外，您可能还需要考虑如何处理第一个时间点为零的情况。我不知道您是否希望将其视为

开始

，因为在开始测量之前，系统可能（可能）已经处于

val==0

状态。不管怎样，只是一些想法。这完全取决于你的应用程序和现实世界的问题。效果很好！谢谢你的帮助。当我输入更多数据时，我可能需要处理第一个和最后一个测量值为零的边缘情况，但这正是我现在需要的。我确实对“唯一值”乘数进行了编辑，因为0.1正在滚动，这导致了问题，所以我使用了0.00000001。

import numpy as np
import pandas as pd

df['Zeros'] = (df['Val']==0)
df['Valdf'] = np.hstack((nan, diff(df['Zeros'].values))) #how do you treat the first cell?
df['Valdr'] = np.hstack((diff(df['Zeros'].values), nan)) #how do you treat the last cell?
pf2 = pd.concat([df[((df['Zeros']!=True)&(df['Valdf']==1))],df[((df['Zeros'])&(df['Valdr']==1))]]).sort_index()
pf2['State'] = np.where(pf2['Zeros'], 'Start', 'End')
pf2['idx2'] = pf2['OpID'] + np.arange(len(pf2))/2*0.00000001 #need unique index for .pivot()
print pf2.pivot(index='idx2', columns='State', values='OpTime')

State                  End                Start
idx2                                           
143.0  2014-01-01 02:50:01  2014-01-01 02:45:01
143.1  2014-01-01 03:00:01  2014-01-01 02:55:01
212.2  2014-01-01 02:30:01  2014-01-01 02:25:01

pf3 = pd.DataFrame(pf2.pivot(index='idx2', columns='State', values='OpTime'))
pf3.index=asarray(pf3.index.values, 'int')