ある特定のインターバルの間で変数の平均値をとり、新しいデータフレームに集計したい

indexが時系列で、変数が二つあるデータフレームを想定します。

やりたいこと

"x2"の0以外の数字で囲まれた範囲における、x1の値の平均値を出したい。
→下記の例だと、x2の132,0,0,0,0,0に対応するx1の（13.3, 13.7, 12, 13.6, 14.2, 13.8）の
平均値、
331,0,0,0,0に対応する（13.1, 13., 14.2, 14.7, 14.3）の平均値、というような感じです。

下記にデータフレームの具体例を示します。

Python
1import pandas as pd
2df2 = pd.DataFrame({"x1": [13.3, 13.7, 12, 13.6, 14.2, 13.8, 13.1, 13., 14.2, 14.7, 14.3,12,12,14,15,12,12,14,17,18,13], 
3                    "x2":[132,0,0,0,0,0,331,0,0,0,0,232,0,0,0,0,331,0,0,0,0] })
4df2.index = ['2017-07-01 00:00:00', '2017-07-01 00:01:00',
5               '2017-07-01 00:02:00', '2017-07-01 00:03:00',
6               '2017-07-01 00:04:00', '2017-07-01 00:05:00',
7               '2017-07-01 00:06:00', '2017-07-01 00:07:00',
8               '2017-07-01 00:08:00', '2017-07-01 00:09:00',
9               '2017-07-01 00:10:00', '2017-07-01 00:11:00',
10               '2017-07-01 00:12:00', '2017-07-01 00:13:00',
11               '2017-07-01 00:14:00', '2017-07-01 00:15:00',
12               '2017-07-01 00:16:00', '2017-07-01 00:17:00',
13               '2017-07-01 00:18:00', '2017-07-01 00:19:00',
14               '2017-07-01 00:20:00']

試したことコード

下記のコードを走らせてみましたが、走らせたまま永久に終わりませんでした。

Python
1# インターバル間で、「x1の平均値を算出」＆「インターバルのTimestampの抜出」
2sum = 0
3mean = 0
4start = []
5end = []
6
7mean_list = []
8for i in range(len(df2)):
9    while df2["x2"][i + 1] == 0:
10        start = df2.index[i]
11        sum += df2["x1"][i]
12    else:
13        end = df2.index[i]
14        mean = sum/(i+1)
15        mean_list.append(mean)
16        start.append(start)
17        end.append(end)
18
19# 新しいデータフレームの作成
20df_new = pd.DataFrame({"start":start, "end":end, "mean_x1": mean_list})

実際のデータは、256305行あるので、できるだけ実行から完了まで、時間のかからないコードをご教授いただけると幸いです。

めんどくさい質問で恐縮ですが、どうぞよろしくお願いいたします。

行動規範の内容に同意します

回答1件

ベストアンサー

"x2"の 0 以外の数字で囲まれた範囲

は　(df2.x2 != 0).cumsum()　にてラベルを振ることができますので、このラベルを元にgroupby().mean()を使って

Python
1df2.groupby((df2.x2 != 0).cumsum())['x1'].mean()

でよいかと思います。

以下はサンプルですので参考にしてください

Python
1import pandas as pd
2df2 = pd.DataFrame(
3    {"x1": [13.3,13.7,12,13.6,14.2,13.8,13.1,13.,14.2,14.7,14.3,12,12,14,15,12,12,14,17,18,13],
4     "x2":[132,0,0,0,0,0,331,0,0,0,0,232,0,0,0,0,331,0,0,0,0] },
5    index=pd.date_range('2017-07-01 00:00:00',periods=21,freq='1h'))
6
7print(df2.groupby((df2.x2 != 0).cumsum())['x1'].mean())
8#x2
9#1    13.433333
10#2    13.860000
11#3    13.000000
12#4    14.800000
13#Name: x1,dtype: float64

【追記】

新しいフレームワークを作成するサンプル

Python
1df_new = df2.groupby((df2.x2 != 0).cumsum()).apply(lambda d:pd.Series([d.index[0], d.index[-1], d['x1'].mean()],index=['start','end','mean_x1']))
2print(df_new)
3#                 start                 end    mean_x1
4#x2
5#1  2017-07-01 00:00:00 2017-07-01 05:00:00  13.433333
6#2  2017-07-01 06:00:00 2017-07-01 10:00:00  13.860000
7#3  2017-07-01 11:00:00 2017-07-01 15:00:00  13.000000
8#4  2017-07-01 16:00:00 2017-07-01 20:00:00  14.800000