我有一个数据集,它由“日期_时间”、“ID”、“值1”、“值2”、“值3”、“值4”、“型号”、“已售出”、“检验”、“型号”、“时间”、“循环_零件”等列组成。ID列值通常是数字,但也有缩写值。
import numpy as np
import pandas as pd
import random
df = pd.DataFrame({'DATE_TIME': pd.date_range('2022-11-01', '2022-11-06 23:00:00', freq='20min'),
'ID': [random.randrange(1, 20) for n in range(430)]})
df['VALUE1'] = [random.randrange(110, 140) for n in range(430)]
df['VALUE2'] = [random.randrange(50, 60) for n in range(430)]
df['VALUE3'] = [random.randrange(80, 100) for n in range(430)]
df['VALUE4'] = [random.randrange(30, 50) for n in range(430)]
df['MODEL'] = [random.randrange(1, 3) for n in range(430)]
df['SOLD'] = [random.randrange(0, 2) for n in range(430)]
df['INSPECTION'] = df['DATE_TIME'].dt.day
df['MODE'] = np.select([df['INSPECTION'] == 1, df['INSPECTION'].isin([2, 3])], ['A', 'B'], 'C')
df['TIME'] = df['DATE_TIME'].dt.time
# df['TIME'] = pd.to_timedelta(df['TIME'])
df['TIME'] = df['TIME'].astype('str')
# Create DAY Night columns only-------------------------------------------------------------------------
def cycle_day_period(dataframe: pd.DataFrame, midnight='00:00:00', start_of_morning='06:00:00',
start_of_afternoon='13:00:00',
start_of_evening='18:00:00', end_of_evening='23:00:00', start_of_night='24:00:00'):
bins = [midnight, start_of_morning, start_of_afternoon, start_of_evening, end_of_evening, start_of_night]
labels = ['Night', 'Morning', 'Morning', 'Night', 'Night']
return pd.cut(
pd.to_timedelta(dataframe),
bins=list(map(pd.Timedelta, bins)),
labels=labels, right=False, ordered=False
)
df['CYCLE_PART'] = cycle_day_period(df['TIME'], '00:00:00', '06:00:00', '13:00:00', '18:00:00', '23:00:00', '24:00:00')
**我的期望:**是在“VALUE 1”、“VALUE 2”、“VALUE 3”、"VALUE 4“值中查找最相似或相同的值。同时,”型号“列应相同,而”销售“列应不同。
例如,我有以下数据表:
| 身份证|数值1|数值2|数值3|数值4|模式|售出|
| - ------|- ------|- ------|- ------|- ------|- ------|- ------|
| 二十五|五十|八十八|三十二|八十一|1个|无|
| 二十五|八十|二十二|十九|二十二|第二章|无|
| 二十五|一百|四十四|七十二|五十四|1个|无|
| 十八|九十九|二十四|二十九|二十二|第二章|1个|
| 十八|五十五|六十四|四十六|六十八|1个|1个|
| 十八|四十四|八十九|一百一十五|二十三|第二章|1个|
我希望第2行和第4行是模式2的输出,第1行和第5行是模式1的输出。我怎样才能实现这个输出呢?我尝试了多个布尔值,但最终都出错了。
2条答案
按热度按时间wlzqhblo1#
试试这个。还没试过。
p4tfgftt2#
这应该可以实现,但它确实很慢,因为它计算所有行之间的欧氏距离。但它应该演示了基本思想。如果你想更快,你可以查看matrixprofile library在
smallest
中,然后存储[[model_number1,smallest pair],[model_number2,smallest pair]]这里
smallest[0][1][0]
和smallest[0][1][1]
为您提供了与MODEL 0最接近的两行