将两个熊猫系列与变化的逻辑相结合

Question

我有两个系列的bool数据，我想合并成一个新的系列对象，但组合逻辑依赖于“历史”（以前的值）。

Series1包含大多数False，但单个True值。 Series2通常包含True或False值的周期 - 重复值的概率非常高。

在结果序列中，我需要布尔值的时间段，以True部分开始，每当两个部分都为True时结束，当Series2部分结束时结束。即不再包含True。

e。 G。

s1   s2   result 
0 False  False  False 
1 False  True  False 
2 True  True  True 
3 False  True  True 
4 False  True  True 
5 True  False  False 
6 False  False  False 

在第2行的结果切换到真和岿然不动，直到真相系列2在行结束5

这是我想出迄今：

import pandas as pd 
import numpy as np 
x = pd.DataFrame() 
x['s1'] = [False, False, True, False, False, True, False] 
x['s2'] = [False, True, True, True, True, False, False] 
x['start'] = (x['s1'] & x['s2']).replace(False, np.nan) 
x['end'] = (~ (x['s2'].shift() & (~ x['s2']))).replace(True, np.nan) 
x['result'] = x['start'].fillna(x['end']).fillna(method='ffill').fillna(0) > 0 
x 

尽管我的解决方案有效，但我觉得我太难以实现这一目标了！

有什么建议吗？

Answer 1

首先，我们知道肯定result始终为假时s2为False，与时俱s1和s2是真总是如此。这并不取决于以前的值：

x.loc[~x['s2'], 'result'] = False 
x.loc[x['s1'] & x['s2'], 'result'] = True 

然后填写NA与“前进补”：

x['result'].fillna(method = 'ffill', inplace = True) 

而且万一有一些不适用的其余在栏的开头，我们拆换假：

x['result'].fillna(False, inplace = True)