0

Cordial saludo,

Mi DataFrame consiste en una lista de nombres (B1) y su estado en el tiempo (B5), quiero realizar una verificación y que elimine si un estado se repite sin seguir la secuencia. La verificación se debe hacer por cada nombre de B1

FECHA B1 B2 B4 B5
1/03/2021 11:57 GAM1 GBT52 Estado Operacional down
1/03/2021 11:57 GAM1 GBT52 Estado Operacional up
1/03/2021 13:44 GAM1 GBT52 Estado Operacional down
1/03/2021 13:44 GAM1 GBT52 Estado Operacional up
1/03/2021 16:31 GAM1 GBT52 Estado Operacional down
1/03/2021 16:31 GAM1 GBT52 Estado Operacional down
1/03/2021 13:44 GAM3 GBT51 Estado Operacional down
1/03/2021 16:31 GAM3 GBT51 Estado Operacional up

Te comparto lo que llevo

import os
import glob
import pandas as pd
print("Ingrese la ruta de los archivos .csv del mes correspondiente")
carpeta = input("")
os.chdir(carpeta)
extension = 'csv'
todos_los_archivos = [i for i in glob.glob('*.{}'.format(extension))]
combinado_csv = pd.concat([pd.read_csv(f) for f in todos_los_archivos ])
combinado_csv.to_csv("SOE_Mes.csv", index=False)
print("Archivo Creado Satisfactoriamente")
df = pd.read_csv(carpeta+"\SOE_Mes.csv", sep = ';', low_memory=False)
df.sort_values(by = ["B3", "B1", "FECHA", "B5"])

Luego de organizar el DF, es necesario eliminar aquellos registros que tengan en la columna B5 un valor repetido (down - up), sin embargo, esto se debe realizar verificando que el valor de B1 sea igual, porque en B1 tengo n cantidad de nombres diferentes.

FECHA B1 B2 B4 B5
1/03/2021 11:57 GAM1 GBT52 Estado Operacional down
1/03/2021 11:57 GAM1 GBT52 Estado Operacional up
1/03/2021 13:44 GAM1 GBT52 Estado Operacional down
1/03/2021 13:44 GAM1 GBT52 Estado Operacional down
1/03/2021 16:45 GAM1 GBT52 Estado Operacional up
1/03/2021 16:45 GAM1 GBT52 Estado Operacional down
1/03/2021 16:45 GAM3 GBT51 Estado Operacional down
1/03/2021 16:46 GAM3 GBT51 Estado Operacional up
1/03/2021 16:47 GAM3 GBT51 Estado Operacional up
1/03/2021 16:48 GAM3 GBT51 Estado Operacional down

3 respuestas 3

0

Si he entendidio bien,lo que quieres es filtrar el DF y dejar solamente las filas en las que la columna 'B5? cambia de 'up' a 'down' o de 'down' a 'up'.. Si es así, este código lo hace.

import pandas as pd

# Definir la tabla como un DataFrame de pandas
datos = {
    'FECHA': ['1/03/2021 11:57', '1/03/2021 11:57', '1/03/2021 13:44', '1/03/2021 13:44', '1/03/2021 16:31', '1/03/2021 16:31', '1/03/2021 13:44', '1/03/2021 16:31'],
    'B1': ['GAM1', 'GAM1', 'GAM1', 'GAM1', 'GAM1', 'GAM1', 'GAM3', 'GAM3'],
    'B2': ['GBT52', 'GBT52', 'GBT52', 'GBT52', 'GBT52', 'GBT52', 'GBT51', 'GBT51'],
    'B4': ['Estado Operacional', 'Estado Operacional', 'Estado Operacional', 'Estado Operacional', 'Estado Operacional', 'Estado Operacional', 'Estado Operacional', 'Estado Operacional'],
    'B5': ['down', 'up', 'down', 'up', 'down', 'down', 'down', 'up']
}

df = pd.DataFrame(datos)

# Filtrar las filas donde la columna 'B5' cambia de 'up' a 'down' o de 'down' a 'up'
df_filtrado = df[df['B5'].ne(df['B5'].shift())]

# Imprimir el DataFrame filtrado
df_filtrado

Con tus datos, creamos el DataFrame.

df['B5'] Accedemos a la columna 'B5'

df['B5'].shift() La función shift() desplaza los valores de la columna 'B5' una posición hacia arriba. El resultado es una serie que contiene los valores de la columna 'B5' desplazados una fila hacia arriba.

df['B5'].ne(df['B5'].shift()) La función ne() (not equal) compara elemento por elemento los valores de las dos series y devuelve una serie booleana que indica si cada elemento es diferente (True) o igual (False).

df[df['B5'].ne(df['B5'].shift())] Pasamos la serie booleana generada en el paso anterior como índice para el DataFrame df. Esto filtra el DataFrame original y devuelve solo las filas donde la serie booleana tiene el valor True, es decir, donde la columna 'B5' cambia de 'up' a 'down' o de 'down' a 'up'.

0
0

Te comparto lo que llevo

import os
import glob
import pandas as pd
print("Ingrese la ruta de los archivos .csv del mes correspondiente")
carpeta = input("")
os.chdir(carpeta)
extension = 'csv'
todos_los_archivos = [i for i in glob.glob('*.{}'.format(extension))]
combinado_csv = pd.concat([pd.read_csv(f) for f in todos_los_archivos ])
combinado_csv.to_csv("SOE_Mes.csv", index=False)
print("Archivo Creado Satisfactoriamente")
df = pd.read_csv(carpeta+"\SOE_Mes.csv", sep = ';', low_memory=False)
df.sort_values(by = ["B3", "B1", "FECHA", "B5"])

Luego de organizar el DF, es necesario eliminar aquellos registros que tengan en la columna B5 un valor repetido (down - up), sin embargo, esto se debe realizar verificando que el valor de B1 sea igual, porque en B1 tengo n cantidad de nombres diferentes.

FECHA B1 B2 B4 B5
1/03/2021 11:57 GAM1 GBT52 Estado Operacional down
1/03/2021 11:57 GAM1 GBT52 Estado Operacional up
1/03/2021 13:44 GAM1 GBT52 Estado Operacional down
1/03/2021 13:44 GAM1 GBT52 Estado Operacional down
1/03/2021 16:45 GAM1 GBT52 Estado Operacional up
1/03/2021 16:45 GAM1 GBT52 Estado Operacional down
1/03/2021 16:45 GAM3 GBT51 Estado Operacional down
1/03/2021 16:46 GAM3 GBT51 Estado Operacional up
1/03/2021 16:47 GAM3 GBT51 Estado Operacional up
1/03/2021 16:48 GAM3 GBT51 Estado Operacional down
0

En ese caso, quizás esta sea la solución. Primero agrupamos de acuerdo con el contenido de la columna 'B1' y a continuación realizamos el filtrado, de la misma manera que te he indicado en la respueta anterior.

Al aplicar las funciónes groupby y apply, el resultado final puede contener índices que no sean consecutivos y mantengan los índices originales de los grupos, por eso los reiniciamos con la función reset_index

import pandas as pd

# Definir la tabla como un DataFrame de pandas
datos = {
    'FECHA': ['1/03/2021 11:57', '1/03/2021 11:57', '1/03/2021 13:44', '1/03/2021 13:44', '1/03/2021 16:31', '1/03/2021 16:31', '1/03/2021 13:44', '1/03/2021 16:31'],
    'B1': ['GAM1', 'GAM1', 'GAM1', 'GAM1', 'GAM1', 'GAM1', 'GAM3', 'GAM3'],
    'B2': ['GBT52', 'GBT52', 'GBT52', 'GBT52', 'GBT52', 'GBT52', 'GBT51', 'GBT51'],
    'B4': ['Estado Operacional', 'Estado Operacional', 'Estado Operacional', 'Estado Operacional', 'Estado Operacional', 'Estado Operacional', 'Estado Operacional', 'Estado Operacional'],
    'B5': ['down', 'up', 'down', 'up', 'down', 'down', 'down', 'up']
}

df = pd.DataFrame(datos)

# Filtrar los cambios en la columna 'B5' dentro de cada grupo de la columna 'B1'
df_filtrado = df.groupby('B1').apply(lambda x: x[x['B5'].ne(x['B5'].shift())])

# Reiniciar los índices del DataFrame filtrado
df_filtrado = df_filtrado.reset_index(drop=True)

# Imprimir el DataFrame filtrado
df_filtrado

Tu Respuesta

By clicking “Publica tu respuesta”, you agree to our terms of service and acknowledge that you have read and understand our privacy policy and code of conduct.

¿No es la respuesta que buscas? Examina otras preguntas con la etiqueta o formula tu propia pregunta.