4. Filtrowanie sortowanie i analiza liczebności

Pytanie M3-P02 dotyczy pomiarów drgań ściśle powyżej 1,5 mm/s. Próg jest roboczym kryterium ćwiczenia. Nie zastępuje normy technicznej ani progu diagnostycznego z M2. Najpierw wybierzesz rekordy, później uporządkujesz je i sprawdzisz, jak rozkładają się między urządzenia i okresy.

Maska logiczna i wybór przez loc

Maska zawiera jedną odpowiedź True lub False dla każdego wiersza. Jej suma jest liczbą spełnionych warunków, ponieważ True jest przy sumowaniu traktowane jak jeden. Wyrażenie .loc[maska, kolumny] wybiera równocześnie wiersze i potrzebne pola. Osobna kopia pozwala pracować na podzbiorze bez nadpisania pełnych danych.

prog = 1.5
maska = pomiary_clean["drgania"] > prog
kolumny = ["czas", "urzadzenie", "drgania", "rok_miesiac"]
powyzej_progu = pomiary_clean.loc[maska, kolumny].copy()
assert len(powyzej_progu) == maska.sum() == 28
assert powyzej_progu["drgania"].gt(prog).all()
assert pomiary_clean.shape == (720, 14)
display(powyzej_progu.head())

W podzbiorze znajduje się 28 wierszy, od 1,502 do 4,850 mm/s. Pełna tabela nadal ma 720 rekordów. Filtrowanie nie usuwa wierszy ze źródła. Dopiero przypisanie wyniku do tej samej nazwy mogłoby sprawić, że dalszy kod nieświadomie korzystałby tylko z wybranych pomiarów.

Granice i kilka warunków

Operator > wyłącza wartość równą progowi, a >= ją włącza. W danych nie ma dokładnie 1,500 mm/s, więc oba zapisy dają 28 wierszy. To zgodność na konkretnym zbiorze, nie równoważność warunków. Metoda between(1.5, 2.0, inclusive="right") opisuje przedział większy od 1,5 i nie większy od 2,0; obejmuje 27 pomiarów.

Dwa warunki na seriach łącz operatorem & i umieszczaj każdy w nawiasach. Operator | oznacza co najmniej jeden spełniony warunek, a ~ negację. Metoda isin() wskazuje członkostwo na liście, a notna() dostępność wartości. Nie zastępuj & i | słowami and i or w zwykłym wyrażeniu na seriach Pandas.

Czytelny filtr i powtarzalne sortowanie

Query() przyjmuje tekst opisujący warunek. Znak @ odwołuje się do zmiennej Pythona spoza tego tekstu. Słowo and jest tutaj częścią wyrażenia interpretowanego przez query(), dlatego jego użycie różni się od and pomiędzy dwiema seriami.

miesiac = "2026-02"
maska_luty = ((pomiary_clean["drgania"] > prog)
              & (pomiary_clean["rok_miesiac"] == miesiac))
powyzej_luty = pomiary_clean.query(
    "drgania > @prog and rok_miesiac == @miesiac"
)
pd.testing.assert_frame_equal(
    pomiary_clean.loc[maska_luty], powyzej_luty
)
assert len(powyzej_luty) == 13
ranking_pomiarow = powyzej_progu.sort_values(
    ["drgania", "czas", "urzadzenie"],
    ascending=[False, True, True]
)
display(ranking_pomiarow.head())

Sortowanie nie zmienia liczby rekordów. Najpierw ustawia malejąco drgania, a przy równych wartościach rozstrzyga kolejność czasem i identyfikatorem. To ważne dla powtarzalnego wyboru pierwszych pozycji. Trzy odczyty U-07 mają drgania 1,595 mm/s, lecz pochodzą z różnych terminów.

Najwyższy odczyt to 4,850 mm/s dla U-05 z 8 lutego 2026 roku o 20:00. Następny to 1,620 mm/s dla U-07 w tym samym czasie. Pozostałych 27 przekroczeń mieści się w przedziale 1,502–1,620 mm/s. Ranking wskazuje rekord do wyjaśnienia, ale nie mówi, czy jego przyczyną jest błąd czujnika, czy rzeczywiste zdarzenie.

Kategorie bez trafień

Value_counts() dla tekstowych identyfikatorów pokaże tylko urządzenia obecne w podzbiorze. Brak wiersza z U-01 nie wyjaśnia, czy urządzenie nie było badane, czy nie miało przekroczeń. Reindex z pełną listą grup pozwala wpisać zero tam, gdzie nie było trafień. W naszym kontrakcie wszystkie osiem urządzeń występuje w pomiarach. Dla nowego zbioru pełną listę zakresu badania należy uzgodnić z kartoteką.

Zero przekroczeń ma sens tylko przy istniejącej podstawie obserwacji. Urządzenie bez pomiarów ma nieznany odsetek, a nie 0%. Nie wypełniaj zerem brakującego mianownika.

Mianownik nadaje znaczenie odsetkowi

Liczba przekroczeń mówi, ile rekordów wybrano. Odsetek wymaga wskazania, do jakiej liczby pomiarów ją odnosisz. Funkcja poniżej oblicza licznik, liczbę dostępnych drgań i odsetek w tej samej grupie. Zachowuje pełną listę grup wynikającą ze zbioru wejściowego.

def zestaw_przekroczenia(pole):
    baza = pomiary_clean.groupby(pole)["drgania"].count()
    trafienia = powyzej_progu[pole].value_counts().reindex(
        baza.index, fill_value=0
    )
    wynik = pd.DataFrame({"przekroczenia": trafienia,
                         "pomiary_n": baza})
    wynik["udzial_proc"] = wynik["przekroczenia"].div(
        wynik["pomiary_n"].replace(0, np.nan)
    ).mul(100)
    assert wynik["przekroczenia"].sum() == len(powyzej_progu)
    assert wynik["przekroczenia"].le(wynik["pomiary_n"]).all()
    return wynik.rename_axis(pole).reset_index()
 
przekroczenia_urzadzenia = zestaw_przekroczenia("urzadzenie")
przekroczenia_miesiace = zestaw_przekroczenia("rok_miesiac")
display(przekroczenia_urzadzenia.round(1))
display(przekroczenia_miesiace.round(1))

U-07 ma 13 przekroczeń na 90 pomiarów, czyli 14,4%; U-05 ma 8 na 90, czyli 8,9%; U-08 ma 7 na 90, czyli 7,8%. Pozostałe pięć urządzeń ma po zero na 90 pomiarów. Cały zbiór zawiera 28 przekroczeń na 720 rekordów, około 3,9%.

Okres

Przekroczenia i podstawa

Odsetek

Styczeń 2026

15 z 496 pomiarów

3,0%

Od 1 do 14 lutego 2026

13 z 224 pomiarów

5,8%

W dostępnej części lutego licznik jest mniejszy, a odsetek większy. Różna liczba pomiarów wyjaśnia, dlaczego sam licznik mógłby prowadzić do innego odczytania wyniku. Nadal porównujesz tylko dwa okresy o różnej długości. Nie nazywaj tego potwierdzonym trendem ani dowodem pogorszenia stanu urządzeń.

Ćwiczenie w notebooku i sprawdzenie rozumienia 3

Powtórz wybór dla temperatury > 64 °C. Wyświetl pięć najwyższych wyników, policz trafienia i udziały dla wszystkich urządzeń. Potwierdź zgodność sumy maski, liczby wybranych wierszy i sumy trafień. Wyjaśnij bez komputera: czy mniejsza liczba zdarzeń zawsze oznacza mniejszą częstość ich występowania?