我有以下數據幀，其中一列表示對話中每一秒說話者的 ID (0,1)，另一列表示該對話中經過的秒數。myDF = pd.DataFrame({'ID': [0,0,0,0,1,1,1,1,0,0,0,0,1,1,1,1], 'seconds': (np.arange(16))})------------------------------- ID Seconds------------------------------- 0 0 0 1 0 2 0 3 1 4 1 5 1 6 1 7 0 8 0 9 0 10 0 11 1 12 1 13 1 14 1 15-------------------------------我只對說話者 ID 1 感興趣，希望可以清楚地看出說話者 1 語音的邊界在第 4-7 秒和第 12-15 秒之間。我想要生成的是一個單獨的數據幀，其中包含每個說話者 1 個語音段的開始和結束，其中每一行都是一個不間斷的語音周期。像這樣的東西：-------------------------------- start end -------------------------------- 4 7 12 15--------------------------------我有一些不起作用的偽代碼，希望概述我想要實現的目標，但到目前為止我還找不到正確的解決方案。本質上，對于每一行，我將 ID 值與前一行進行比較（因為 ID 的更改表示語音的開始），并將相應的秒值添加到 bdry 數據幀中。同樣，我隨后將每個 ID 值與下一行進行比較（因為這將表示語音結束）。bdry = pd.DataFrame(columns=['start','end'])for i in myDF: if i['ID'] == 1: if i.ID != i['ID'].shift(): # compare ID with previous bdry['start'].append(i['seconds']) if i.ID != i['ID'].shift(-1): # compare ID with next bdry['end'].append(i['seconds'])
2 回答
慕桂英546537
TA貢獻1848條經驗 獲得超10個贊
使用以下代碼：
result = myDF.groupby((myDF.ID != myDF.ID.shift()).cumsum()).agg(
ID=('ID', 'first'), start=('seconds', 'first'), end=('seconds', 'last'))\
.query('ID == 1').drop(columns='ID').reset_index(drop=True)
對于您的數據樣本，結果是：
start end
0 4 7
1 12 15
守著一只汪
TA貢獻1872條經驗 獲得超4個贊
import pandas as pd
from itertools import groupby
myDF = pd.DataFrame({'ID': [0,0,0,0,1,1,1,1,0,0,0,0,1,1,1,1], 'seconds': (np.arange(16))})
tmp, m = [], myDF['ID'] == 1
for v, g in groupby(zip(m.index, m), lambda k: k[1]):
if v:
g = list(g)
tmp.append((g[0][0], g[-1][0]))
df = pd.DataFrame(tmp, columns=['start', 'end'])
print(df)
印刷：
start end
0 4 7
1 12 15
添加回答
舉報
0/150
提交
取消