在数据框的每一列中，如何找出列中每个唯一值存在的持续时间？

Question

例如，考虑

df：

时间 colA colB 0 1.1 2 2 1 2.2 2 2 2 3.4 3 5 3 4.5 3 5 4 5.6 4 5 5 6.2 4 6 6 7.4 4 6 7 8.5 2 6 8 9.8 2 5 9 10.1 2 5 10 11.2 2 5

我期望的输出是一个报告 CSV 文件，其中的列如下：

Col_name unique_value 持续时间

colA 2 3.8s 可乐3 1.1s 可乐 4 1.8s 列B 2 1.1s 科尔B 5 3.6s 第 6 列 2.3 秒

（例如）：计算 colA ：

独特价值=2 时长 = [第1次连续出现2个时间差(2.2-1.1)] + [第2次连续出现时间差(11.2-8.5)] = 1.1 + 2.7 = 3.8s

我尝试过的逻辑之一是：

1. 创建一个新列，用于计算列中连续值的差异，并给出输出 True（如果存在连续值）和 False（如果存在一个接一个的差异值）。

df["answer"] = df['colA'].diff().eq(0)

2. 下一步，我计划在一个列表中获取所有 False，在一个列表中获取所有 True，并获取列表的差异。

3. 如何将这些与独特的价值联系起来，是我困惑的地方。

请帮我弄清楚现有的逻辑是否有效，或者是否应该更改逻辑

Answer 1

*创建一个新列来指示具有 True 和 False 的连续值是一个好的开始。但是，要计算每列中每个唯一值的持续时间，您可以使用以下步骤： 迭代每列中的每个唯一值。 对于每个唯一值，找到连续出现的次数并计算持续时间。 将结果存储在新的数据框中。

import pandas as pd

# Sample DataFrame
data = {
    'Time': [0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10],
    'colA': [1.1, 2.2, 3.4, 4.5, 5.6, 6.2, 7.4, 8.5, 9.8, 10.1, 11.2],
    'colB': [2, 2, 3, 3, 4, 4, 4, 2, 2, 2, 2]
}

df = pd.DataFrame(data)

# Function to calculate duration for each unique value in a column
def calculate_duration(column_name):
    durations = []
    unique_values = df[column_name].unique()
    for value in unique_values:
        # Find consecutive occurrences of the value
        consecutive_indices = df[df[column_name] == value].index.to_list()
        consecutive_occurrences = []
        current_occurrence = [consecutive_indices[0]]
        for i in range(1, len(consecutive_indices)):
            if consecutive_indices[i] - consecutive_indices[i-1] == 1:
                current_occurrence.append(consecutive_indices[i])
            else:
                consecutive_occurrences.append(current_occurrence)
                current_occurrence = [consecutive_indices[i]]
        consecutive_occurrences.append(current_occurrence)
        
        # Calculate duration for each consecutive occurrence
        for occurrence in consecutive_occurrences:
            start_time = df.iloc[occurrence[0]]['Time']
            end_time = df.iloc[occurrence[-1]]['Time']
            duration = end_time - start_time
            durations.append((value, duration))
    return durations

# Create a DataFrame to store results
report_df = pd.DataFrame(columns=['Col_name', 'unique_value', 'Duration'])

# Calculate durations for each column
for column in df.columns[1:]:
    durations = calculate_duration(column)
    for value, duration in durations:
        report_df = report_df.append({'Col_name': column, 'unique_value': value, 'Duration': duration}, ignore_index=True)

# Export to CSV
report_df.to_csv('report.csv', index=False)

将数据框导出到 CSV 文件。*