使用 Python pandas 根据列增量对相同的值进行分组
Posted
技术标签:
【中文标题】使用 Python pandas 根据列增量对相同的值进行分组【英文标题】：Grouping the same value based on a column increment using Python pandas 【发布时间】：2022-01-22 13:46:58 【问题描述】：我正在尝试做的是在某个时间段内使用 python 数据框对 0 的值进行分组，例如我有：
| Time (seconds) | Value |
| 1 | 0 |
| 2 | 0 |
| 3 | 0 |
| 4 | 1 |
| 5 | 0 |
| 6 | 1 |
| 7 | 1 |
| 8 | 0 |
| 9 | 0 |
| 10 | 0 |
| 11 | 1 |
| 12 | 0 |
| 13 | 0 |
我期望的输出是：
| Time (seconds) | Value | Group |
| 1 | 0 | 1 |
| 2 | 0 | 1 |
| 3 | 0 | 1 |
| 4 | 1 | |
| 5 | 0 | 2 |
| 6 | 1 | |
| 7 | 1 | |
| 8 | 0 | 3 |
| 9 | 0 | 3 |
| 10 | 0 | 3 |
| 11 | 1 | |
| 12 | 0 | 4 |
| 13 | 0 | 4 |
【问题讨论】：
【参考方案1】：这里有一个使用numpy.split 的奇怪解决方案：
arr = df['Value'].to_numpy()
counter = 1
out = []
for ar in np.split(arr, np.where(arr==1)[0]):
mask = ar==0
out.append(np.where(mask, counter, 0))
if mask.any():
counter += 1
df['Group'] = np.concatenate(out)
输出：
Time Value Group
0 1 0 1
1 2 0 1
2 3 0 1
3 4 1 0
4 5 0 2
5 6 1 0
6 7 1 0
7 8 0 3
8 9 0 3
9 10 0 3
10 11 1 0
11 12 0 4
12 13 0 4I’m
【讨论】：
【参考方案2】：您可以使用shift、cumsum 和掩码检查值何时发生变化：
s = df['value'].eq(0)
df['group'] = (s&s.ne(s.shift())).cumsum().where(s, 0)
输出：
time value group
0 1 0 1
1 2 0 1
2 3 0 1
3 4 1 0
4 5 0 2
5 6 1 0
6 7 1 0
7 8 0 3
8 9 0 3
9 10 0 3
10 11 1 0
11 12 0 4
12 13 0 4
【讨论】：
【参考方案3】：你可以试试cumsum然后传给factorize
s = df.Value.ne(0)
df.loc[df.index[~s],'new'] = s.cumsum()[~s].factorize()[0]+1
【讨论】：
以上是关于使用 Python pandas 根据列增量对相同的值进行分组的主要内容，如果未能解决你的问题，请参考以下文章
使用 Python pandas 根据列值生成每个组的百分比
使用 Pandas 数据帧查找多个索引上所有列之间的差异（增量）