パンダのデータフレームで特定のパターンを見つける

Question

私はパンダのデータフレームの列で特定のパターンを見つけて、対応するインデックス値を返してデータフレームをサブセット化したいと考えています。ここで

が可能パターンのサンプルデータフレームです：ここで

import pandas as pd 
import numpy as np 

Observations = 10 
Columns = 2 
np.random.seed(123) 
df = pd.DataFrame(np.random.randint(90,110,size=(Observations, Columns)), 
       columns = ['ColA','ColB']) 
datelist = pd.date_range(pd.datetime.today().strftime('%Y-%m-%d'), 
        periods=Observations).tolist() 
df['Dates'] = datelist 
df = df.set_index(['Dates']) 

pattern = [100,90,105] 
print(df) 

、パターンは日付2017年7月12日に2017年7月10日で、列Aで発生し、それは私がで終わるしたいものです。

同じパターンが複数回発生した場合、私はDをサブセットしたいと思います同様の方法でフレームを作成し、パターンが何回発生するかを数えますが、最初のステップが整理されている限り、それはもっと真っ直ぐであることを望みます。

ありがとうございます！パターンはrollingを使用して列のいずれかで発見された場合

チェック：ここ

Answer 1

は、ソリューションです。 これは完全なパターンのインデックスを追加し、あなたに各試合のためにパターン

matched = df.rolling(len(pattern)).apply(lambda x: all(np.equal(x, pattern))) 
matched = matched.sum(axis = 1).astype(bool) #Sum to perform boolean OR 

matched 
Out[129]: 
Dates 
2017-07-07 False 
2017-07-08 False 
2017-07-09 False 
2017-07-10 False 
2017-07-11 False 
2017-07-12  True 
2017-07-13 False 
2017-07-14 False 
2017-07-15 False 
2017-07-16 False 
dtype: bool 

に一致するグループの最後のインデックスを与える：

idx_matched = np.where(matched)[0] 
subset = [range(match-len(pattern)+1, match+1) for match in idx_matched] 

は、すべてのパターンを取得します。

result = pd.concat([df.iloc[subs,:] for subs in subset], axis = 0) 

result 
Out[128]: 
      ColA ColB 
Dates     
2017-07-10 100 91 
2017-07-11 90 107 
2017-07-12 105 99 

Answer 2

最短方法は、パターンが始まるインデックスを見つけることです。次に、次の3行を選択するだけです。これらのインデックスを見つけるために、ワンライナーで十分です

：

indexes=df[(df.ColA==pattern[0])&(df["ColA"].shift(-1)==pattern[1])&(df["ColA"].shift(-2)==pattern[2])].index 

その後、他の答えはあなたが欲しいのサブセットを取得するために言うように行いますが。

リストの内包の魔法を使用して

Answer 3

for col in df: 
    index = df[col][(df[col] == pattern[0]) & (df[col].shift(-1) == pattern[1]) & (df[col].shift(-2) == pattern[2])].index 
    if not index.empty: print(index) 

Answer 4

：

[df.index[i - len(pattern)] # Get the datetime index 
for i in range(len(pattern), len(df)) # For each 3 consequent elements 
if all(df['ColA'][i-len(pattern):i] == pattern)] # If the pattern matched 

# [Timestamp('2017-07-10 00:00:00')]