下面是一个与我的类似的示例数据框,但我正在使用的数据框有200,000个数据点。过滤稳定速度条件下的熊猫数据框
import pandas as pd
import numpy as np
df=pd.DataFrame([
[10.07,5], [10.24,5], [12.85,5], [11.85,5],
[11.10,5], [14.56,5], [14.43,5], [14.85,5],
[14.95,5], [10.41,5], [15.20,5], [15.47,5],
[15.40,5], [15.31,5], [15.43,5], [15.65,5]
], columns=['speed','delta_t'])
df
speed delta_t
0 10.07 5
1 10.24 5
2 12.85 5
3 11.85 5
4 11.10 5
5 14.56 5
6 14.43 5
7 14.85 5
8 14.95 5
9 10.41 5
10 15.20 5
11 15.47 5
12 15.40 5
13 15.31 5
14 15.43 5
15 15.65 5
std_dev = df.iloc[0:3,0].std() # this will give 1.55
print(std_dev)
我有2列, '速度' 和 'Delta_T'。 Delta_T是我实际数据(它有日期和时间)中后续行之间的时间差。运行速度不断变化,我想要实现的是过滤出速度几乎稳定的所有数据点,例如通过筛选标准偏差< 0.5和Delta_T> = 15分钟。例如,如果我们从第一个速度开始,那么代码应该能够继续跳到下一个速度,继续计算标准偏差,如果它小于0.5,并且delta_T总和达到30分钟,我应该复制数据转换成新的数据帧。 因此,对于这个数据框,我将留下索引5到8和10到15。
这可能吗?你能给我一些关于如何做的建议吗?对不起,我卡住了。这对我来说似乎很复杂。
谢谢。
此致阿伦
你能张贴设置你想要的数据? – MaxU
谢谢。它看起来像这样。 DF1 = pd.DataFrame([[14.56,5],[14.43,5],[14.85,5],[14.95,5],[15.2,5],[15.47,5],[15.4,5],[ 15.31,5],[15.43,5],[15.65,5],列= [ '速度', 'delta_t'])。我只是从原始数据创建另一个数据框来获得我想要的。理想情况下,代码应该创建一个基于std和时间标准 –