熊猫：标志连续值

我有熊猫系列形式[0, 1, 0, 1, 1, 1, 0, 0, 1, 1, 0, 1, 0 , 0 , 1].熊猫：标志连续值

0: indicates economic increase. 
1: indicates economic decline.

甲衰退是由两个连续的下降用信号通知（1）。

经济衰退的结束是通过连续两次增加（0）来标志的。

在上述数据集I有两个衰退，开始于索引3，端在索引5和索引8端开始于索引11.

我在一个丢失如何与熊猫接近这个。我想确定经济衰退开始和结束的指数。任何援助将不胜感激。

这是我的蟒蛇尝试在soln。

np_decline = np.array([0, 1, 0, 1, 1, 1, 0, 0, 1, 1, 0, 1, 0 , 0 , 1]) 
recession_start_flag = 0 
recession_end_flag = 0 
recession_start = [] 
recession_end = [] 

for i in range(len(np_decline) - 1): 
    if recession_start_flag == 0 and np_decline[i] == 1 and np_decline[i + 1] == 1: 
     recession_start.append(i) 
     recession_start_flag = 1 
    if recession_start_flag == 1 and np_decline[i] == 0 and np_decline[i + 1] == 0: 
     recession_end.append(i - 1) 
     recession_start_flag = 0 

print(recession_start) 
print(recession_end)

更多以熊猫为中心的方法吗？莱昂

来源

2016-11-11 leon

运行的开始1的满足条件

x_prev = x.shift(1) 
x_next = x.shift(-1) 
((x_prev != 1) & (x == 1) & (x_next == 1))

也就是说，在运行开始时的值是1并且以前的值不为1，下一个值是1。类似地，运行结束满足条件

((x == 1) & (x_next == 0) & (x_next2 == 0))

由于运行结束时的值为1，接下来的两个值为0。我们可以使用np.flatnonzero寻找到满足这些条件指数：

import numpy as np 
import pandas as pd 

x = pd.Series([0, 1, 0, 1, 1, 1, 0, 0, 1, 1, 0, 1, 0 , 0 , 1]) 
x_prev = x.shift(1) 
x_next = x.shift(-1) 
x_next2 = x.shift(-2) 
df = pd.DataFrame(
    dict(start = np.flatnonzero((x_prev != 1) & (x == 1) & (x_next == 1)), 
     end = np.flatnonzero((x == 1) & (x_next == 0) & (x_next2 == 0)))) 
print(df[['start', 'end']])

产生

start end 
0  3 5 
1  8 11

来源

2016-11-11 20:36:44 unutbu

您可以使用shift：

df = pd.DataFrame([0, 1, 0, 1, 1, 1, 0, 0, 1, 1, 0, 1, 0 , 0 , 1], columns=['signal']) 
df_prev = df.shift(1)['signal'] 
df_next = df.shift(-1)['signal'] 
df_next2 = df.shift(-2)['signal'] 
df.loc[(df_prev != 1) & (df['signal'] == 1) & (df_next == 1), 'start'] = 1 
df.loc[(df['signal'] != 0) & (df_next == 0) & (df_next2 == 0), 'end'] = 1 
df.fillna(0, inplace=True) 
df = df.astype(int) 

    signal start end 
0  0  0 0 
1  1  0 0 
2  0  0 0 
3  1  1 0 
4  1  0 0 
5  1  0 1 
6  0  0 0 
7  0  0 0 
8  1  1 0 
9  1  0 0 
10  0  0 0 
11  1  0 1 
12  0  0 0 
13  0  0 0 
14  1  0 0

来源

2016-11-11 20:05:32

或许只是'.fillna' 0使它干净利落。 –

@ juanpa.arrivillaga谢谢，更新 –

使用rolling(2)

s = pd.Series([0, 1, 0, 1, 1, 1, 0, 0, 1, 1, 0, 1, 0 , 0 , 1])

我减去.5所以rolling总和为1当经济衰退开始，-1当它停止。

s2 = s.sub(.5).rolling(2).sum()

因为两者1和-1评估为True我可以掩盖滚动信号，刚开始和停止，ffill。通过gt(0)获得正面或负面的真实值。

pd.concat([s, s2.mask(~s2.astype(bool)).ffill().gt(0)], axis=1, keys=['signal', 'isRec'])

来源

2016-11-11 20:15:39 piRSquared

Hi @piRSquared。我怎么能修改你已经完成了两列经济衰退开始和经济衰退结束。如果后退开始将是真的，如果它的衰退开始否则为假，当然如果衰退已结束为真否则结束是否则为假。 –

使用shift，但是写的结果作为一个单一的布尔列类似的想法：

# Boolean indexers for recession start and stops. 
rec_start = (df['signal'] == 1) & (df['signal'].shift(-1) == 1) 
rec_end = (df['signal'] == 0) & (df['signal'].shift(-1) == 0) 

# Mark the recession start/stops as True/False. 
df.loc[rec_start, 'recession'] = True 
df.loc[rec_end, 'recession'] = False 

# Forward fill the recession column with the last known Boolean. 
# Fill any NaN's as False (i.e. locations before the first start/stop). 
df['recession'] = df['recession'].ffill().fillna(False)

输出结果：

signal recession 
0  0  False 
1  1  False 
2  0  False 
3  1  True 
4  1  True 
5  1  True 
6  0  False 
7  0  False 
8  1  True 
9  1  True 
10  0  True 
11  1  True 
12  0  False 
13  0  False 
14  1  False

来源

2016-11-11 20:16:34 root

熊猫：标志连续值

回答

相关问题