如何根据列中的条件进行计算？

Question

我想做一个计算，当有一组的人，不断跟进。你知道吗

我有一个关于压缩机工作原理的数据库。每5分钟我得到压缩机的状态，如果它是开/关和电力消耗在这一刻。列On_Off压缩机工作时有1，关闭时有0。你知道吗

Compresor = pd.Series([0,0,1,1,1,0,0,1,1,1,0,0,0,0,1,1,1,0], index = pd.date_range('1/1/2012', periods=18, freq='5 min'))
df = pd.DataFrame(Compresor)
df.index.rename("Date", inplace=True)
df.set_axis(["ON_OFF"], axis=1, inplace=True)
df.loc[(df.ON_OFF == 1), 'Electricity'] = np.random.randint(4, 20, df.sum())
df.loc[(df.ON_OFF < 1), 'Electricity'] = 0
df


                             ON_OFF     Electricity
      Date              
      2012-01-01 00:00:00       0       0.0
      2012-01-01 00:05:00       0       0.0
      2012-01-01 00:10:00       1       4.0
      2012-01-01 00:15:00       1       10.0
      2012-01-01 00:20:00       1       9.0
      2012-01-01 00:25:00       0       0.0
      2012-01-01 00:30:00       0       0.0
      2012-01-01 00:35:00       1       17.0
      2012-01-01 00:40:00       1       10.0
      2012-01-01 00:45:00       1       5.0
      2012-01-01 00:50:00       0       0.0
      2012-01-01 00:55:00       0       0.0
      2012-01-01 01:00:00       0       0.0
      2012-01-01 01:05:00       0       0.0
      2012-01-01 01:10:00       1       14.0
      2012-01-01 01:15:00       1       5.0
      2012-01-01 01:20:00       1       19.0
      2012-01-01 01:25:00       0       0.0

我想做的是只在有一组的时候加上耗电量，再做一个Data.Frame。例如：

在本例中，压缩机第一次打开是在00:20到00:30之间。在此期间，它消耗了25（10+10+5）。第二次持续时间更长（00:50-01:15），消耗时间间隔为50（10+10+10+10+5+5）。第三次消耗20（10+10）。你知道吗

我想自动做这个我是新来的熊猫，我想不出一个方法来做它。你知道吗

Answer 1

我要做的是创建一个变量，用一个整数作为ID来表示每个活动周期，然后按它分组并对Electricity列求和。创建它的一种简单方法是通过累计求和On_Off（数据必须按递增日期排序）并将结果值乘以On_Off列。如果你提供一个可复制的例子，你的表在熊猫我可以很快写你的解决方案。你知道吗

希望有帮助

Answer 2

假设您有以下数据：

from operator import itemgetter

import numpy as np
import numpy.random as rnd
import pandas as pd
from funcy import concat, repeat
from toolz import partitionby

base_data = {
    'time': list(range(20)),
    'state': list(concat(repeat(0, 3), repeat(1, 4), repeat(0, 5), repeat(1, 6), repeat(0, 2))),
    'value': list(concat(repeat(0, 3), rnd.randint(5, 20, 4), repeat(0, 5), rnd.randint(5, 20, 6), repeat(0, 2)))
}

有两种方法：

第一种方法是函数式的，与pandas无关：您只需按字段partition处理数据，即该方法按顺序处理数据，并在每次字段值更改时生成一个新分区。然后可以根据需要简单地汇总每个分区。你知道吗

# transform into sample data
sample_data = [dict(zip(base_data.keys(), x)) for x in zip(*base_data.values())]
# and compute statistics the functional way
[sum(x['value'] for x in part if x['state'] == 1)
 for part in partitionby(itemgetter('state'), sample_data)
 if part[0]['state'] == 1]

还有pandas方法，类似于@ivalesp提到的： 通过移动state列来计算状态的变化。然后你summarize your data frame by the group

pd_data = pd.DataFrame(base_data)
pd_data['shifted_state'] = pd_data['state'].shift(fill_value = pd_data['state'][0])
pd_data['cum_state'] = np.cumsum(pd_data['state'] != pd_data['shifted_state'])
pd_data[pd_data['state'] == 1].groupby('cum_state').sum()

根据你和你的同龄人最擅长阅读的内容，你可以选择自己的方式。此外，功能方式可能不容易可读，并且也可以用可读的循环语句重写。你知道吗