SAC介绍：
pandas非常实用的SAC机制，SAC指的是分组操作中的Split-Apply-Combine 3个过程，分布代表数据的切割，应用和组合。
1、Split： 切割，就是通过某个指定的信息进行分组，生成不同的组别
2、Apply：应用，对不同的组别使用不同的功能函数，比如求和，求均值，最值等，可以是python，pandas的内置函数，也可以是自定义的函数。
3、Combine：组合，将Apply应用之后的结果再次组合在一起，得到最终的结果。
通常情况下，SAC过程都需要和groupby函数联合使用。
image.png
项目背景：磁盘故障可以根据其smart值进行监控和预测，smart值是反应磁盘特征的各种特征值，比如各种错误的频率。samrt值每天会产生一条数据。如图一，论文指出，故障磁盘的前n天其磁盘smart值会产生如图一的变化。
所以，根据其故障的变化特征，需要做一下特征处理，按如下图公式进行迭代处理，实现权重衰减。
image.png
具体做法：取一定长度的时间窗口，设定初始阿尔法值，每次用当前值*阿尔法 + 前一个值 * 阿尔法的剩余量，一直迭代到窗口的长度结束，实现权重衰减。
需求实现：
取窗口长度为7，计算每个磁盘按日期变化的情况，根据公式
ABS(E7-E6)+ABS(E6-E5) * 0.7+ABS(E5-E4) * 0.7^2+ABS(E4-E3) * >0.7^3+ABS(E3-E2) * 0.7^4+ABS(E2-E1) * 0.7^5
初始值如图：
image.png
期望实现效果：
image.png
方案：使用pandas的组内shift上下平移
f1['smart_3_raw_2'] = f1.groupby('serial_number')['smart_3_raw'].transform(lambda x:
alpha ** 0 * np.abs(x - x.shift(1)) \
+ alpha ** 1 * np.abs(x.shift(1) - x.shift(2)) \
+ alpha ** 2 * np.abs(x.shift(2) - x.shift(3)) \
+ alpha ** 3 * np.abs(x.shift(3) - x.shift(4)) \
+ alpha ** 4 * np.abs(x.shift(4) - x.shift(5)) \
+ alpha ** 5 * np.abs(x.shift(5) - x.shift(6)))
此时产生效果：
image.png
原因：
shift平移后，超出窗口大小的位置为Nan了。需要对Nan加以处理。
方案：
加上 fill_value = 0即可。
f1['smart_3_raw_2'] = f1.groupby('serial_number')['smart_3_raw'].transform(lambda x:
alpha ** 0 * np.abs(x - x.shift(1, fill_value=0)) \
+ alpha ** 1 * np.abs(x.shift(1, fill_value=0) - x.shift(2, fill_value=0)) \
+ alpha ** 2 * np.abs(x.shift(2, fill_value=0) - x.shift(3, fill_value=0)) \
+ alpha ** 3 * np.abs(x.shift(3, fill_value=0) - x.shift(4, fill_value=0)) \
+ alpha ** 4 * np.abs(x.shift(4, fill_value=0) - x.shift(5, fill_value=0)) \
+ alpha ** 5 * np.abs(x.shift(5, fill_value=0) - x.shift(6, fill_value=0)))
效果：
image.png
2022-10-13 21:06 第1次
2022-10-16 00:30 第2次修改
网友评论