データフレームを複数の（連続した）時系列に分割する

Question

私は、バルブを開閉しながら測定する実験を行っています。私は、完全に開いて完全にクローゼットを示すリミットスイッチを持っています。私は閉じたり開いたりしている間だけデータに興味があります。私のpythonで、興味のある分野を取得する方法を考え出した

Time      Flow_A Flow_B  Open closed    
2017-06-12 09:46:31.068 0.000933 295.933070 1 0 
2017-06-12 09:46:31.660 0.287122 292.727820 1 0 
2017-06-12 09:46:32.252 0.256170 288.869600 0 0 
2017-06-12 09:46:32.844 0.052523 284.265850 0 0 
2017-06-12 09:46:33.437 0.367495 278.394200 0 1 
2017-06-12 09:46:34.029 1.956472 270.846450 0 1 
2017-06-12 09:46:34.621 5.265860 260.768250 0 0 
2017-06-12 09:46:35.214 12.328835 248.132450 0 0 
2017-06-12 09:46:35.807 22.592590 232.688620 1 0 
2017-06-12 09:46:36.400 35.768205 214.997420 1 0 
2017-06-12 09:46:36.992 51.623265 195.298150 1 0 
2017-06-12 09:46:37.584 70.855590 174.048000 1 0 

：

mask = (data['Open']==0 & (data['Port_2'] == 0) 
data.loc[mask] 

これは私を与える：

Time      Flow_A Flow_B  Open closed 
2017-06-12 09:46:32.252 0.256170 288.869600 0 0 
2017-06-12 09:46:32.844 0.052523 284.265850 0 0 
2017-06-12 09:46:34.621 5.265860 260.768250 0 0 
2017-06-12 09:46:35.214 12.328835 248.132450 0 0 

を 私のパンダのデータセットは、この（簡体字）のように見えます

質問は、2つの連続するデータセットに分割/分割/サブセットを分割する方法です。期間は不明であり、ログエントリ間の間隔は正確に同一ではありません。私は、連続したデータがマスクに見つかるはずだと思っていますが、どうやってそれを行うのかはわかりません。

Answer 1

私はあなたが必要だと思う：

mask = (data['Open']==0) & (data['closed'] == 0) 
data.loc[mask, 'groups'] = mask.ne(mask.shift())[mask].cumsum() 
print (data) 
        Time  Flow_A  Flow_B Open closed groups 
2017-06-12 09:46:31.068 0.000933 295.93307  1  0  NaN 
2017-06-12 09:46:31.660 0.287122 292.72782  1  0  NaN 
2017-06-12 09:46:32.252 0.256170 288.86960  0  0  1.0 
2017-06-12 09:46:32.844 0.052523 284.26585  0  0  1.0 
2017-06-12 09:46:33.437 0.367495 278.39420  0  1  NaN 
2017-06-12 09:46:34.029 1.956472 270.84645  0  1  NaN 
2017-06-12 09:46:34.621 5.265860 260.76825  0  0  2.0 
2017-06-12 09:46:35.214 12.328835 248.13245  0  0  2.0 
2017-06-12 09:46:35.807 22.592590 232.68862  1  0  NaN 
2017-06-12 09:46:36.400 35.768205 214.99742  1  0  NaN 
2017-06-12 09:46:36.992 51.623265 195.29815  1  0  NaN 
2017-06-12 09:46:37.584 70.855590 174.04800  1  0  NaN 

print (data[mask]) 
        Time  Flow_A  Flow_B Open closed groups 
2017-06-12 09:46:32.252 0.256170 288.86960  0  0  1.0 
2017-06-12 09:46:32.844 0.052523 284.26585  0  0  1.0 
2017-06-12 09:46:34.621 5.265860 260.76825  0  0  2.0 
2017-06-12 09:46:35.214 12.328835 248.13245  0  0  2.0 

また0からintストラト必要があれば：

data.loc[mask, 'groups'] = mask.ne(mask.shift())[mask].cumsum() 
data['groups'] = data['groups'].fillna(0).astype(int) - 1 
print (data) 
        Time  Flow_A  Flow_B Open closed groups 
2017-06-12 09:46:31.068 0.000933 295.93307  1  0  -1 
2017-06-12 09:46:31.660 0.287122 292.72782  1  0  -1 
2017-06-12 09:46:32.252 0.256170 288.86960  0  0  0 
2017-06-12 09:46:32.844 0.052523 284.26585  0  0  0 
2017-06-12 09:46:33.437 0.367495 278.39420  0  1  -1 
2017-06-12 09:46:34.029 1.956472 270.84645  0  1  -1 
2017-06-12 09:46:34.621 5.265860 260.76825  0  0  1 
2017-06-12 09:46:35.214 12.328835 248.13245  0  0  1 
2017-06-12 09:46:35.807 22.592590 232.68862  1  0  -1 
2017-06-12 09:46:36.400 35.768205 214.99742  1  0  -1 
2017-06-12 09:46:36.992 51.623265 195.29815  1  0  -1 
2017-06-12 09:46:37.584 70.855590 174.04800  1  0  -1 

print (data[mask]) 
        Time  Flow_A  Flow_B Open closed groups 
2017-06-12 09:46:32.252 0.256170 288.86960  0  0  0 
2017-06-12 09:46:32.844 0.052523 284.26585  0  0  0 
2017-06-12 09:46:34.621 5.265860 260.76825  0  0  1 
2017-06-12 09:46:35.214 12.328835 248.13245  0  0  1