pandas如何在一系列差异在一定距离内的连续值中找到

Question

我有一个pandas Series由ints 组成的

a = np.array([1,2,3,5,7,10,13,16,20])
pd.Series(a)

0  1
1  2
2  3
3  5
4  7
5  10
6  13
7  16
8  20

现在我想将系列聚类成组,在每组中,两个邻居值之间的差异是<=距离.例如,如果距离定义为1,我们有

[1,2,3], [5], [7], [10], [13], [16], [20]

如果距离是2,我们有

[1,2,3,5,7], [10], [13], [16], [20]

如果距离是3,我们有

[1,2,3,5,7,10,13,16], [20]

怎么用pandas/ numpy？

Answer 1

这是一种方法 -

np.split(a,np.flatnonzero(np.diff(a)>d)+1)

作为输出列表列表的功能 -

def splitme(a,d) : 
    return list(map(list,np.split(a,np.flatnonzero(np.diff(a)>d)+1)))

为了性能,我建议使用zip启动,停止索引然后切片,从而避免np.split哪些可能被证明是瓶颈 -

def splitme_zip(a,d) : 
    m = np.concatenate(([True],a[1:] > a[:-1] + d,[True]))
    idx = np.flatnonzero(m)
    l = a.tolist()
    return [l[i:j] for i,j in zip(idx[:-1],idx[1:])]

如果需要将输出作为数组列表,请使用.tolist/ 跳过列表转换 map(list,).

样品运行 -

In [122]: a = np.array([1,2,3,5,7,10,13,16,20])

In [123]: splitme(a,1)
Out[123]: [[1, 2, 3], [5], [7], [10], [13], [16], [20]]

In [124]: splitme(a,2)
Out[124]: [[1, 2, 3, 5, 7], [10], [13], [16], [20]]

In [125]: splitme(a,3)
Out[125]: [[1, 2, 3, 5, 7, 10, 13, 16], [20]]

运行时测试 -

In [180]: a = np.sort(np.random.randint(1,10000*2,(10000)))

In [181]: s = pd.Series(a)

In [182]: d = 3

In [183]: %timeit pandas_way(s,d) #@c???s????'s soln
10 loops, best of 3: 55.1 ms per loop

In [184]: %timeit np.split(a,np.flatnonzero(np.diff(a)>d)+1)
     ...: %timeit splitme(a,d)
     ...: %timeit splitme_zip(a,d)
1000 loops, best of 3: 1.47 ms per loop
100 loops, best of 3: 2.87 ms per loop
1000 loops, best of 3: 516 µs per loop

In [185]: a
Out[185]: array([    2,     2,     2, ..., 19992, 19996, 19999])

Answer 2

这是pandas使用方法groupby。

n = 1

s

0     1
1     2
2     3
3     5
4     7
5    10
6    13
7    16
8    20
dtype: int64

m = ~s.diff().fillna(0).le(n)   
v = s.groupby(m.cumsum()).apply(lambda x: x.tolist()).tolist()

v
[[1, 2, 3], [5], [7], [10], [13], [16], [20]]