パンダ - 基準

Question

私は私が何をしたいのですがこれは何

>>> a_df 
    state 
1 A 
2 B 
3 A 
4 B 
5 C 

のように見えるのデータフレームを持っているに一致する連続した行のペアを選択するには、特定の順序に一致するすべての連続した行を返すことです。たとえば、このシーケンスが['A', 'B']の場合、状態がAで直後にBの行が戻されます。上記の例では：

>>> cons_criteria(a_df, ['A', 'B']) 
    state 
1 A 
2 B 
3 A 
4 B 

または選択した配列は、['A', 'B', 'C']であれば、出力は

>>> cons_criteria(a_df, ['A', 'B', 'C']) 
    state 
3 A 
4 B 
5 C 

なければならない私は、現在の状態、ならびに次の状態を記憶することによってこれを行うことを決めました。

>>> df2 = a_df.copy() 
>>> df2['state_0'] = a_df['state'] 
>>> df2['state_1'] = a_df['state'].shift(-1) 

今、私はstate_0とstate_1に関して一致させることができます。しかし、これは最初のエントリだけを返します：

>>> df2[(df2['state_0'] == 'A') & (df2['state_1'] == 'B')] 
    state 
1 A 
3 A 

ここでロジックを修正して、すべての連続する行が返されるようにしますか？パンダでこれにアプローチするより良い方法はありますか？

Answer 1

ここでは、私にとっては効果的な解決策がありますが、数値の行インデックスの場合にのみ適用されます。私はもう少し面白いあなたのデータフレームを作った、今では2つのABCのパターンがあります。

pattern = ['A','B','C'] 

この式は、各パターンの開始行のセットを検索します。

a_df=pd.DataFrame(['A','B','A','B','C','D','A','A','B','C','E'], 
        columns=["state"]) 

そしてここでは、マッチパターンです：一般的に

starts = set(a_df[a_df['state']   =='A'].index) & 
     set(a_df[a_df['state'].shift(-1)=='B'].index) & 
     set(a_df[a_df['state'].shift(-2)=='C'].index) 
print(starts) 
# {2, 7} 

：

starts = set.intersection(
      *[set(a_df[a_df['state'].shift(-i)==value].index) 
      for i,value in enumerate(pattern)]) 

この式は、3行の範囲に開始行番号を変換し、行範囲を選択：一般に

result = [a_df.ix[range(i, i+3)] for i in starts] 
print(result) 
# [ state 
# 2  A 
# 3  B 
# 4  C, state 
# 7  A 
# 8  B 
# 9  C] 

：

result = [a_df.ix[range(i, i+len(pattern))] for i in starts] 

Answer 2

Iこの

def match_slc(s, seq): 
    # get list, makes zip faster 
    l = s.values.tolist() 
    # count how many in sequence 
    k = len(seq) 
    # generate numpy array of rolling values 
    a = np.array(list(zip(*[l[i:] for i in range(k)]))) 
    # slice an array from 0 to length of a - 1 with 
    # the truth values of wether all 3 in a sequence match 
    p = np.arange(len(a))[(a == seq).all(1)] 
    # p tracks the beginning of a match, get all subsequent 
    # indices of the match as well. 
    slc = np.unique(np.hstack([p + i for i in range(k)])) 
    return s.iloc[slc] 

ような機能を使用したいです

---

デモンストレーション

s = pd.Series(list('ABABC')) 

print(match_slc(s, list('ABC')), '\n') 
print(match_slc(s, list('AB')), '\n') 

2 A 
3 B 
4 C 
dtype: object 

0 A 
1 B 
2 A 
3 B 
dtype: object