Блог

У меня есть фрейм данных, df , с одним столбцом, extension .
Значения в extension столбце циклически увеличиваются и уменьшаются, как показано ниже:

 extension
0.000
0.050
0.100
0.150
0.130
0.080
0.020
0.050
0.075
 

Я пытаюсь обозначить каждый увеличивающийся и уменьшающийся цикл, как показано ниже:

 extension lablel
0.000      1
0.050      1
0.100      1
0.150      1
0.130      1
0.080      1
0.020      1
0.050      2
0.075      2
 

Я немного застрял и был бы признателен за некоторые рекомендации здесь.

 df['lablel']=df.extension.diff()#Find the difference between consecutive ros in the column extension
df['lablel']=(df.lablel.ge(0)amp;df.lablel.shift(1).le(0)|df.lablel.ge(0)amp;df.lablel.shift(-1).le(0)).cumsum() 1#Find zero crossing from the consecutive differences, cummulatively sum and add 1 to the outcome



 extension  lablel
0      0.000       1
1      0.050       1
2      0.100       1
3      0.150       2
4      0.130       2
5      0.080       2
6      0.020       2
7      0.050       3
8      0.075       3
 

Итак, давайте воспроизведем ваши данные:

 a = [0.000,0.050,0.100,0.150,0.130,0.080,0.020,0.050,0.075]
df = pd.DataFrame(a, columns=["extension"])
 

Короткий ответ таков:

 df["label"] = pd.Series(np.where(df["extension"].diff() < 0, 0, 1)).diff().abs().cumsum()   1
df.at[0,"label"] = 1
 

По крайней мере, это мой ответ. Но это определенно выглядит немного неуклюже. Итак, давайте разберем это шаг за шагом для понимания:

 df["extension"].diff()
 

diff создает разницу между каждой ячейкой и предыдущей. Поэтому он не может вычислить его для первого элемента.

Вывод:

 0      NaN
1    0.050
2    0.050
3    0.050
4   -0.020
5   -0.050
6   -0.060
7    0.030
8    0.025
 

Теперь давайте бинаризуем результат, чтобы обнаружить изменения в положительной / отрицательной разнице, используя where from numpy:

 np.where(df["extension"].diff() < 0, 0, 1)
 

Вывод:

 array([1, 1, 1, 1, 0, 0, 0, 1, 1])
 

Это говорит нам, является ли разница с предыдущей отрицательной (—> 0) или положительной (—> 1)

Тогда вы хотите знать, только когда меняется положительная / отрицательная тенденция. Поэтому мы включаем diff функцию еще раз. Предварительно мы должны преобразовать массив numpy обратно в pd.Series :

 pd.Series(np.where(df["extension"].diff() < 0, 0, 1)).diff()
 

Вывод:

 0    NaN
1    0.0
2    0.0
3    0.0
4   -1.0
5    0.0
6    0.0
7    1.0
8    0.0
 

В конечном счете, вас не интересует, в каком направлении изменился тренд, только то, что он изменился, поэтому мы удаляем эту информацию с abs помощью функции. А затем суммируйте результат с cumsum помощью функции, чтобы он мог увеличиваться при каждом изменении:

 pd.Series(np.where(df["extension"].diff() < 0, 0, 1)).diff().abs().cumsum()
 

Вывод:

 0    NaN
1    0.0
2    0.0
3    0.0
4    1.0
5    1.0
6    1.0
7    2.0
8    2.0
 

Наконец, два дополнения, чтобы основать метку на 1, а не на 0, и заменить первый элемент, который был NaN:
1 за кодом и df.at[0,"label"] = 1

И вот что вы делаете:

          extension  label
    0      0.000    1.0
    1      0.050    1.0
    2      0.100    1.0
    3      0.150    1.0
    4      0.130    2.0
    5      0.080    2.0
    6      0.020    2.0
    7      0.050    3.0
    8      0.075    3.0
 

РЕДАКТИРОВАТЬ: ответ на отредактированный вопрос в комментариях