Question

我有这样的df：

如果1中1连续出现两次或更多次，我想在新列中返回Count，如果没有则0。因此，在新列中，每行将根据1列中满足的条件获得Count。我想要的输出是：

Count  New_Value
1      0 
0      0
1      1
1      1
0      0
0      0
1      1
1      1 
1      1
0      0

我想我可能需要使用itertools，但我一直在阅读它并且还没有遇到我需要的东西。我希望能够使用此方法计算任意数量的连续出现次数，而不仅仅是2次。例如，有时我需要连续计算10次，我在这里只使用2个。

Answer 1

你可以：

df['consecutive'] = df.Count.groupby((df.Count != df.Count.shift()).cumsum()).transform('size') * df.Count

得到：

   Count  consecutive
0      1            1
1      0            0
2      1            2
3      1            2
4      0            0
5      0            0
6      1            3
7      1            3
8      1            3
9      0            0

从这里你可以，任何门槛：

threshold = 2
df['consecutive'] = (df.consecutive > threshold).astype(int)

得到：

   Count  consecutive
0      1            0
1      0            0
2      1            1
3      1            1
4      0            0
5      0            0
6      1            1
7      1            1
8      1            1
9      0            0

或者，只需一步：

(df.Count.groupby((df.Count != df.Count.shift()).cumsum()).transform('size') * df.Count >= threshold).astype(int)

就效率而言，使用pandas方法可在问题规模扩大时提供显着的加速：

 df = pd.concat([df for _ in range(1000)])

%timeit (df.Count.groupby((df.Count != df.Count.shift()).cumsum()).transform('size') * df.Count >= threshold).astype(int)
1000 loops, best of 3: 1.47 ms per loop

与之相比：

%%timeit
l = []
for k, g in groupby(df.Count):
    size = sum(1 for _ in g)
    if k == 1 and size >= 2:
        l = l + [1]*size
    else:
        l = l + [0]*size    
pd.Series(l)

10 loops, best of 3: 76.7 ms per loop

Answer 2

不确定这是否已经过优化，但您可以尝试一下：

from itertools import groupby
import pandas as pd

l = []
for k, g in groupby(df.Count):
    size = sum(1 for _ in g)
    if k == 1 and size >= 2:
        l = l + [1]*size
    else:
        l = l + [0]*size

df['new_Value'] = pd.Series(l)

df

Count   new_Value
0   1   0
1   0   0
2   1   1
3   1   1
4   0   0
5   0   0
6   1   1
7   1   1
8   1   1
9   0   0

识别连续出现的值

2 个答案: