Как сохранить фрейм данных в словарь разной длины

Итак, у меня есть фрейм данных, который выглядит так

2018-01-01 00:00:00    False
2018-01-01 00:30:00    False
2018-01-01 01:00:00    False
2018-01-01 01:30:00    True
2018-01-01 02:00:00    True
2018-01-01 02:30:00    True
2018-01-01 03:00:00    False
2018-01-01 03:30:00    False
2018-01-01 04:00:00    True
2018-01-01 04:30:00    True

и так будет продолжаться целый год. Я хочу сохранить каждый фрагмент, который соответствует словарю, чтобы он выглядел примерно так

 dict{'0': [2018-01-01 01:30:00, 2018-01-01 02:00:00, 2018-01-01 02:30:00],
      '1': [2018-01-01 04:00:00, 2018-01-01 04:30:00]}

Поэтому я не знаю, сколько раз в течение года значение постоянно верно. Но каждый раз, когда это правда, я хочу создать новый ключ в своем словаре и записать время, когда значение истинно.

Как лучше всего подойти к этому? Я думал о циклическом просмотре фрейма данных и записи индексов, где это правда, но это кажется громоздким. Любой совет будет принят во внимание.

Вы пробовали циклический подход? Это кажется громоздким, но если у вас нет очень большого объема данных, нет причин, по которым это не сработает.

quizzical_panini 17.05.2022 23:27
Анализ настроения постов в Twitter с помощью Python, Tweepy и Flair
Анализ настроения постов в Twitter с помощью Python, Tweepy и Flair
Анализ настроения текстовых сообщений может быть настолько сложным или простым, насколько вы его сделаете. Как и в любом ML-проекте, вы можете выбрать...
7 лайфхаков для начинающих Python-программистов
7 лайфхаков для начинающих Python-программистов
В этой статье мы расскажем о хитростях и советах по Python, которые должны быть известны разработчику Python.
Установка Apache Cassandra на Mac OS
Установка Apache Cassandra на Mac OS
Это краткое руководство по установке Apache Cassandra.
Сертификатная программа "Кванты Python": Бэктестер ансамблевых методов на основе ООП
Сертификатная программа "Кванты Python": Бэктестер ансамблевых методов на основе ООП
В одном из недавних постов я рассказал о том, как я использую навыки количественных исследований, которые я совершенствую в рамках программы TPQ...
Создание персонального файлового хранилища
Создание персонального файлового хранилища
Вы когда-нибудь хотели поделиться с кем-то файлом, но он содержал конфиденциальную информацию? Многие думают, что электронная почта безопасна, но это...
Создание приборной панели для анализа данных на GCP - часть I
Создание приборной панели для анализа данных на GCP - часть I
Недавно я столкнулся с интересной бизнес-задачей - визуализацией сбоев в цепочке поставок лекарств, которую могут просматривать врачи и...
1
1
29
2
Перейти к ответу Данный вопрос помечен как решенный

Ответы 2

Ответ принят как подходящий

Вы можете использовать фильтрацию и groupby.agg:

(df
 .loc[df[1], 0]
 .groupby((~df[1]).cumsum())
 .agg(list)
 .reset_index(drop=True)
 .to_dict()
 )

Выход:

{0: ['2018-01-01 01:30:00', '2018-01-01 02:00:00', '2018-01-01 02:30:00'],
 1: ['2018-01-01 04:00:00', '2018-01-01 04:30:00']}

Вы можете использовать itertools.groupby() для получить последовательные группы, затем фильтровать, выбирать и перечислять:

from itertools import groupby

grouped = groupby(df.itertuples(index=False), key=lambda row: row[1])
dict(enumerate(
    [row[0] for row in g] for k, g in grouped if k
    ))
{0: ['2018-01-01 01:30:00', '2018-01-01 02:00:00', '2018-01-01 02:30:00'],
 1: ['2018-01-01 04:00:00', '2018-01-01 04:30:00']}

Это должно быть производительным, поскольку все эти компоненты ленивы до последнего шага.

Другие вопросы по теме