设置值之间的最小间距

Question

我有以下数据帧，其中对value列进行了排序：

df = pd.DataFrame({'variable': {0: 'Chi', 1: 'San Antonio', 2: 'Dallas', 3: 'PHL', 4: 'Houston', 5: 'NY', 6: 'Phoenix', 7: 'San Diego', 8: 'LA', 9: 'San Jose', 10: 'SF'}, 'value': {0: 191.28, 1: 262.53, 2: 280.21, 3: 283.08, 4: 290.75, 5: 295.72, 6: 305.6, 7: 357.89, 8: 380.07, 9: 452.71, 10: 477.67}})

输出：

       variable   value
0           Chi  191.28
1   San Antonio  262.53
2        Dallas  280.21
3           PHL  283.08
4       Houston  290.75
5            NY  295.72
6       Phoenix  305.60
7     San Diego  357.89
8            LA  380.07
9      San Jose  452.71
10           SF  477.67

我想找到相邻值之间的距离小于10的值：

df['value'].diff() < 10

输出：

0     False
1     False
2     False
3      True
4      True
5      True
6      True
7     False
8     False
9     False
10    False
Name: value, dtype: bool

现在，我想将彼此太近的True值平均隔开。这个想法是在True序列（280.21）之前取第一个值，然后向每个下一个True值（累加和）加5：第一个True = 280 + 5，第二个True = 280 + 5 + 5，第三个True = 280 + 5 + 5 ...

预期输出：

       variable   value
0           Chi  191.28
1   San Antonio  262.53
2        Dallas  280.21 
3           PHL  285.21 <-
4       Houston  290.21 <-
5            NY  295.21 <-
6       Phoenix  300.21 <-
7     San Diego  357.89
8            LA  380.07
9      San Jose  452.71
10           SF  477.67

我的解决方案：

mask = df['value'].diff() < 10
df.loc[mask, 'value'] = 5
df.loc[mask | mask.shift(-1), 'value'] = last_day[mask | mask.shift(-1), 'value'].cumsum()

也许是更优雅的一种。

Answer 1

让我们尝试一下：

df = pd.DataFrame({'variable': {0: 'Chi', 1: 'San Antonio', 2: 'Dallas', 3: 'PHL', 4: 'Houston', 5: 'NY', 6: 'Phoenix', 7: 'San Diego', 8: 'LA', 9: 'San Jose', 10: 'SF'}, 'value': {0: 191.28, 1: 262.53, 2: 280.21, 3: 283.08, 4: 290.75, 5: 295.72, 6: 305.6, 7: 357.89, 8: 380.07, 9: 452.71, 10: 477.67}})

s = df['value'].diff() < 10
add_amt = s.cumsum().mask(~s) * 5

df_out = df.assign(value=df['value'].mask(add_amt.notna()).ffill() + add_amt.fillna(0))
df_out

输出：

       variable   value
0           Chi  191.28
1   San Antonio  262.53
2        Dallas  280.21
3           PHL  285.21
4       Houston  290.21
5            NY  295.21
6       Phoenix  300.21
7     San Diego  357.89
8            LA  380.07
9      San Jose  452.71
10           SF  477.67