pandas 数据帧中前 N 行的条件均值和总和

Question

关注的是这个示例性的 pandas 数据帧：

      Measurement  Trigger  Valid
   0          2.0    False   True
   1          4.0    False   True
   2          3.0    False   True
   3          0.0     True  False
   4        100.0    False   True
   5          3.0    False   True
   6          2.0    False   True
   7          1.0     True   True

每当 Trigger 为 True 时，我希望计算最后 3 个（从当前开始）有效测量值的总和和平均值。如果列 Valid 为 True，则测量值被视为有效。因此，让我们使用上述数据框中的两个示例进行说明：

Index 3：应使用索引 2,1,0。预计 Sum = 9.0, Mean = 3.0
Index 7：应使用索引 7,6,5。预计 Sum = 6.0, Mean = 2.0

我已经尝试 pandas.rolling 并创建新的、移位的列，但没有成功。请参阅以下我的测试摘录（应该直接运行）：

import unittest
import pandas as pd
import numpy as np
from pandas.util.testing import assert_series_equal

def create_sample_dataframe_2():
    df = pd.DataFrame(
        {"Measurement" : [2.0,   4.0,   3.0,   0.0,   100.0, 3.0,   2.0,   1.0 ],
         "Valid"       : [True,  True,  True,  False, True,  True,  True,  True],
         "Trigger"     : [False, False, False, True,  False, False, False, True],
         })
    return df

def expected_result():
    return pd.DataFrame({"Sum" : [np.nan, np.nan, np.nan, 9.0, np.nan, np.nan, np.nan, 6.0],
                         "Mean" :[np.nan, np.nan, np.nan, 3.0, np.nan, np.nan, np.nan, 2.0]})

class Data_Preparation_Functions(unittest.TestCase):

    def test_backsummation(self):
        N_SUMMANDS = 3
        temp_vars = []

        df = create_sample_dataframe_2()
        for i in range(0,N_SUMMANDS):
            temp_var = "M_{0}".format(i)
            df[temp_var] = df["Measurement"].shift(i)
            temp_vars.append(temp_var)

        df["Sum"]  = df[temp_vars].sum(axis=1)
        df["Mean"] = df[temp_vars].mean(axis=1)
        df.loc[(df["Trigger"]==False), "Sum"] = np.nan
        df.loc[(df["Trigger"]==False), "Mean"] = np.nan

        assert_series_equal(expected_result()["Sum"],df["Sum"])
        assert_series_equal(expected_result()["Mean"],df["Mean"])

    def test_rolling(self):
        df = create_sample_dataframe_2()
        df["Sum"]  = df[(df["Valid"] == True)]["Measurement"].rolling(window=3).sum()
        df["Mean"] = df[(df["Valid"] == True)]["Measurement"].rolling(window=3).mean()

        df.loc[(df["Trigger"]==False), "Sum"] = np.nan
        df.loc[(df["Trigger"]==False), "Mean"] = np.nan
        assert_series_equal(expected_result()["Sum"],df["Sum"])
        assert_series_equal(expected_result()["Mean"],df["Mean"])


if __name__ == '__main__':
    suite = unittest.TestLoader().loadTestsFromTestCase(Data_Preparation_Functions)
    unittest.TextTestRunner(verbosity=2).run(suite)

非常感谢任何帮助或解决方案。谢谢和干杯！

编辑：澄清：这是我期望的结果数据框：

      Measurement  Trigger  Valid   Sum   Mean
   0          2.0    False   True   NaN    NaN
   1          4.0    False   True   NaN    NaN
   2          3.0    False   True   NaN    NaN
   3          0.0     True  False   9.0    3.0
   4        100.0    False   True   NaN    NaN
   5          3.0    False   True   NaN    NaN
   6          2.0    False   True   NaN    NaN
   7          1.0     True   True   6.0    2.0

EDIT2：另一个说明：

我确实没有算错，但我没有把我的意图说清楚。这是使用相同数据框的另一个尝试：

让我们首先看一下 Trigger 列：我们在索引 3（绿色矩形）中找到第一个 True。所以索引 3 是我们开始寻找的点。索引 3 处没有有效的测量值（第 Valid 列是 False；红色矩形）。所以，我们开始往前追溯，直到我们累积了三行，其中 Valid 是 True。这发生在索引 2,1 和 0 上。对于这三个索引，我们计算列 Measurement（蓝色矩形）的总和和平均值：

总和：2.0 + 4.0 + 3.0 = 9.0
平均值：(2.0 + 4.0 + 3.0) / 3 = 3.0

现在我们开始这个小算法的下一次迭代：再次查找 Trigger 列中的下一个 True。我们在索引 7（绿色矩形）处找到它。在索引 7 处也有一个有效的测量值，因此我们这次将其包括在内。对于我们的计算，我们使用索引 7,6 和 5（绿色矩形），因此得到：

总和：1.0 + 2.0 + 3.0 = 6.0
平均值：(1.0 + 2.0 + 3.0) / 3 = 2.0

我希望，这能更清楚地说明这个小问题。

Answer 1

这是一个选项，取 3 个周期的滚动平均值和总和

df['RollM'] = df.Measurement.rolling(window=3,min_periods=0).mean()

df['RollS'] = df.Measurement.rolling(window=3,min_periods=0).sum()

现在将 False Triggers 设置为 NaN

df.loc[df.Trigger == False,['RollS','RollM']] = np.nan

产量

   Measurement  Trigger  Valid     RollM  RollS
0          2.0    False   True       NaN    NaN
1          4.0    False   True       NaN    NaN
2          3.0    False   True       NaN    NaN
3          0.0     True  False  2.333333    7.0
4        100.0    False   True       NaN    NaN
5          3.0    False   True       NaN    NaN
6          2.0    False   True       NaN    NaN
7          1.0     True   True  2.000000    6.0

编辑，更新以反映有效参数

df['mean'],df['sum'] = np.nan,np.nan

roller = df.Measurement.rolling(window=3,min_periods=0).agg(['mean','sum'])

df.loc[(df.Trigger == True) & (df.Valid == True),['mean','sum']] = roller

df.loc[(df.Trigger == True) & (df.Valid == False),['mean','sum']] = roller.shift(1)

产量

  Measurement  Trigger  Valid  mean  sum
0          2.0    False   True   NaN  NaN
1          4.0    False   True   NaN  NaN
2          3.0    False   True   NaN  NaN
3          0.0     True  False   3.0  9.0
4        100.0    False   True   NaN  NaN
5          3.0    False   True   NaN  NaN
6          2.0    False   True   NaN  NaN
7          1.0     True   True   2.0  6.0

pandas 数据帧中前 N 行的条件均值和总和

Conditional mean and sum of previous N rows in pandas dataframe

python

pandas

dataframe

rolling-computation

rolling-sum