扩大二进制系列 pandas 的有效区域的最有效方法？

Question

我有一个 pandas dataframe df ：

车	打开	时间
奥迪A5	0	0
奥迪A5	0	1
奥迪A5	0	2
奥迪A5	1	3
奥迪A5	1	4
奥迪A5	0	5
奥迪A5	0	6
奥迪A5	0	7
奥迪A5	1	8
奥迪A5	1	9
奔驰Class A	1	0
奔驰Class A	1	1
奔驰Class A	1	2
奔驰Class A	0	3
奔驰Class A	0	4
奔驰Class A	1	5
奔驰Class A	1	6
奔驰Class A	0	7
奔驰Class A	0	8
奔驰Class A	1	9

我想将二进制系列Open的活动部分放大n单位，但是在将 dataframe 分组后Car 。

活动部分是一组被 0 包围的连续 1，或者只有 0 作为前一个值，或者只有 0 作为下一个值。 该系列只有 1 作为值的情况被忽略。

如果n = 1 ，我想得到以下 dataframe：

车	打开	时间
奥迪A5	0	0
奥迪A5	0	1
奥迪A5	1	2
奥迪A5	1	3
奥迪A5	1	4
奥迪A5	0	5
奥迪A5	0	6
奥迪A5	1	7
奥迪A5	1	8
奥迪A5	1	9
奔驰Class A	1	0
奔驰Class A	1	1
奔驰Class A	1	2
奔驰Class A	0	3
奔驰Class A	1	4
奔驰Class A	1	5
奔驰Class A	1	6
奔驰Class A	0	7
奔驰Class A	1	8
奔驰Class A	1	9

我可以使用以下代码获取所有活动部件的索引：

df = pd.DataFrame(
   {
      "Car": ["Audi A5"]*10 + ["Mercedes Class A"]*10,
      "Time" : list(range(10)) + list(range(10)),
      "Open" : [0,0,0,1,1,0,0,0,1,1,1,1,1,0,0,1,1,0,0,1]
   }
)

def enlarge(dataframe : pd.DataFrame, sensor : str, n : int = 1) -> pd.DataFrame:

    get_group_indexes = (
        lambda x: x.index[0]
        if x.index[-1] - x.index[0] >= 1
        else None
    )

    groups = (
        dataframe[sensor]
        .eq(0)
        .cumsum()[dataframe[sensor].ne(0)]
        .to_frame()
        .groupby(sensor)
        .apply(get_group_indexes)
        .dropna()
    )

    if groups.empty:
        return dataframe

    for index in groups:
        dataframe.loc[index-n:index, sensor] = 1

    return dataframe

当我不必按Car分组但我想在执行此转换之前按此列分组时，它可以工作。 有人知道如何使用 pandas 技巧有效地实现这一目标吗？ 谢谢。

Answer 1

bfill ，您可以在屏蔽非 1 值后对每个组进行限制：

n=1
df['Open2'] = (df['Open']
               .where(df['Open'].eq(1))
               .groupby(df['Car']).bfill(limit=n)
               .fillna(df['Open'], downcast='infer')
              )

output（为清楚起见，作为新列“Open2”）：

                 Car  Time  Open  Open2
0            Audi A5     0     0      0
1            Audi A5     1     0      0
2            Audi A5     2     0      1
3            Audi A5     3     1      1
4            Audi A5     4     1      1
5            Audi A5     5     0      0
6            Audi A5     6     0      0
7            Audi A5     7     0      1
8            Audi A5     8     1      1
9            Audi A5     9     1      1
10  Mercedes Class A     0     1      1
11  Mercedes Class A     1     1      1
12  Mercedes Class A     2     1      1
13  Mercedes Class A     3     0      0
14  Mercedes Class A     4     0      1
15  Mercedes Class A     5     1      1
16  Mercedes Class A     6     1      1
17  Mercedes Class A     7     0      0
18  Mercedes Class A     8     0      1
19  Mercedes Class A     9     1      1