我是python的新手，有一个简单的问题我尚未找到答案。假设我有一个c（t）的时间序列：
t_ c_
1 40
2 41
3 4
4 5
5 7
6 20
7 20
8 8
9 90
10 99
11 10
12 5
13 8
14 8
15 19
我现在想要评估这个系列关于值c在某个范围内连续多长时间以及这些时间段出现的频率。
因此，结果将包括三列：c（分箱），持续时间（分箱），频率。转换为简单示例，结果可能如下所示：
c_ Dt_ Freq_
0-50 8 1
50-100 2 1
0-50 5 1
你能给我一个建议吗？
提前致谢，
乌尔里克
//编辑：谢谢你的回复！我的示例数据有些缺陷，因此我无法展示我的一部分问题。那么，这是一个新的数据系列：
series=
t c
1 1
2 1
3 10
4 10
5 10
6 1
7 1
8 50
9 50
10 50
12 1
13 1
14 1
如果我应用下面Christoph提出的代码：
bins = pd.cut(series['c'], [-1, 5, 100])
same_as_prev = (bins != bins.shift())
run_ids = same_as_prev.cumsum()
result = bins.groupby(run_ids).aggregate(["first", "count"])
我收到这样的结果：
first count
(-1, 5] 2
(5, 100] 3
(-1, 5] 2
(5, 100] 3
(-1, 5] 3
但是我对这样的事情更感兴趣：
c length freq
(-1, 5] 2 2
(-1, 5] 3 1
(5, 100] 3 2
我该如何实现这一目标？我怎么能在KDE情节中绘制它？
最好，
乌尔里克
很好地问了一个例子:)这是一种方法，很可能是不完整的，但它应该对你有所帮助。
由于您的数据按时间间隔固定增量，因此我不实现时间序列并将索引用作时间。因此，我将c转换为数组并使用np.where()来查找bin中的值。
import numpy as np
c = np.array([40, 41, 4, 5, 7, 20, 20, 8, 90, 99, 10, 5, 8, 8, 19])
bin1 = np.where((0 <= c) & (c <= 50))[0]
bin2 = np.where((50 < c) & (c <= 100))[0]
对于bin1，输出是array([ 0, 1, 2, 3, 4, 5, 6, 7, 10, 11, 12, 13, 14], dtype=int64)，它对应于来自c的值在bin中的idx。
下一步是找到连续的idx。根据这个SO post ::
from itertools import groupby
from operator import itemgetter
data = bin1
for k, g in groupby(enumerate(data), lambda ix : ix[0] - ix[1]):
print(list(map(itemgetter(1), g)))
# Output is:
#[0, 1, 2, 3, 4, 5, 6, 7]
#[10, 11, 12, 13, 14]
最后一步：按正确的顺序放置新的子仓，并跟踪哪个仓对应于哪个子仓。因此，完整的代码看起来像：
import numpy as np
from itertools import groupby
from operator import itemgetter
c = np.array([40, 41, 4, 5, 7, 20, 20, 8, 90, 99, 10, 5, 8, 8, 19])
bin1 = np.where((0 <= c) & (c <= 50))[0]
bin2 = np.where((50 < c) & (c <= 100))[0]
# 1 and 2 for the range names.
bins = [(bin1, 1), (bin2, 2)]
subbins = list()
for b in bins:
data = b[0]
name = b[1] # 1 or 2
for k, g in groupby(enumerate(data), lambda ix : ix[0] - ix[1]):
subbins.append((list(map(itemgetter(1), g)), name))
subbins = sorted(subbins, key=lambda x: x[0][0])
输出：[([0, 1, 2, 3, 4, 5, 6, 7], 1), ([8, 9], 2), ([10, 11, 12, 13, 14], 1)]
然后，你只需要做你想要的统计:)
import pandas as pd
def bin_run_lengths(series, bins):
binned = pd.cut(pd.Series(series), bins)
return binned.groupby(
(1 - (binned == binned.shift())).cumsum()
).aggregate(
["first", "count"]
)
（我不确定你的频率列在哪里 - 在你描述的问题中，它似乎总是被设置为1。）
使用pandas.cut()很容易分类系列：
https://pandas.pydata.org/pandas-docs/version/0.23.4/generated/pandas.cut.html
import pandas as pd
pd.cut(pd.Series(range(100)), bins=[-1,0,10,20,50,100])
这里的箱子是（右包含，左包含）边界;论证可以用不同的形式给出。
0 (-1.0, 0.0]
1 (0.0, 10.0]
2 (0.0, 10.0]
3 (0.0, 10.0]
4 (0.0, 10.0]
5 (0.0, 10.0]
6 (0.0, 10.0]
...
19 (10.0, 20.0]
20 (10.0, 20.0]
21 (20.0, 50.0]
22 (20.0, 50.0]
23 (20.0, 50.0]
...
29 (20.0, 50.0]
...
99 (50.0, 100.0]
Length: 100, dtype: category
Categories (4, interval[int64]): [(0, 10] < (10, 20] < (20, 50] < (50, 100]]
这会将其从一系列值转换为一系列间隔。
这在熊猫中没有本地成语，但是通过一些常用功能相当容易。最高投票的StackOverflow答案非常好：Counting consecutive positive value in Python array
same_as_prev = (series != series.shift())
这会产生一个布尔系列，用于确定该值是否与之前的值不同。
run_ids = same_as_prev.cumsum()
这使得int系列在每次值更改为新运行时从0开始递增，从而将系列中的每个位置分配给“运行ID”
result = series.groupby(run_ids).aggregate(["first", "count"])
这会生成一个数据框，显示每次运行中的值以及该运行的长度：
first count
0 (-1, 0] 1
1 (0, 10] 10
2 (10, 20] 10
3 (20, 50] 30
4 (50, 100] 49