奇怪的问题我似乎无法解决这个问题，我知道有一个更好的方式来看待它，我只是卡住了。我需要根据类型获取这些数据的块。 1到4在一个集合中聚集在一起，所以我想要例如，行0到8，然后是9。每个集合将作为数据库中的条目输入。
num date type signed
0 294981 2015-05-01 1 None
1 299888 2015-05-22 2 2015-05-28
2 299891 2015-05-22 2 2015-05-28
3 316150 2015-07-14 3 2015-07-23
4 336930 2015-10-13 3 2015-10-16
5 357536 2015-12-29 3 2015-12-29
6 379224 2016-03-14 3 2016-03-18
7 403862 2016-06-10 3 2016-06-10
8 414282 2016-07-26 4 2016-08-03
9 439184 2016-11-10 1 2016-11-14
10 448972 2016-12-12 2 2016-12-14
11 464306 2017-02-02 3 2017-02-06
事情是这个数据不是静态的，有些集合可能有10行类型3，没有1或4。如果我有以下内容：
num date type signed
0 294981 2015-05-01 2 None
1 299888 2015-05-22 2 2015-05-28
2 299891 2015-05-22 2 2015-05-28
3 316150 2015-07-14 3 2015-07-23
4 336930 2015-10-13 3 2015-10-16
5 357536 2015-12-29 3 2015-12-29
6 379224 2016-03-14 1 2016-03-18
7 403862 2016-06-10 3 2016-06-10
8 414282 2016-07-26 3 2016-08-03
9 439184 2016-11-10 4 2016-11-14
10 448972 2016-12-12 1 2016-12-14
11 464306 2017-02-02 2 2017-02-06
我需要离开：
num date type signed
0 294981 2015-05-01 2 None
1 299888 2015-05-22 2 2015-05-28
2 299891 2015-05-22 2 2015-05-28
3 316150 2015-07-14 3 2015-07-23
4 336930 2015-10-13 3 2015-10-16
5 357536 2015-12-29 3 2015-12-29
num date type signed
6 379224 2016-03-14 1 2016-03-18
7 403862 2016-06-10 3 2016-06-10
8 414282 2016-07-26 3 2016-08-03
9 439184 2016-11-10 4 2016-11-14
num date type signed
10 448972 2016-12-12 1 2016-12-14
11 464306 2017-02-02 2 2017-02-06
不幸的是，除了那个愚蠢的类型值之外，没有其他方法可以对这些数据进行分组。我对Pandas很有能力并且无法找到方法去做，也没有其他任何可以用来做这件事而不告诉Python 确切地要抓取哪些值，当然我不喜欢不知道数据就知道了。
非常感谢帮助！ （顺便说一句，我在标题中说'动态条件'，因为类型列值不是1-4，或2-4或1-3或我可以设置的任何东西。它会根据当时生成的数据而变化）
答案 0 :(得分：2)
我假设您能够将这些设置分开，因为下一个的类型将比前一个更小。
您可以添加一个额外的临时列，用于添加分隔数据帧的序列号。像这样：
def separate_df(t):
res = pd.Series()
previous_df_no = 0
for (index, value) in t.iteritems():
if index==0:
res.set_value(index,0)
else:
if value<t.loc[index-1]:
previous_df_no += 1
res.set_value(index,previous_df_no)
return res
df['temp'] = separate_df(df.type)
然后你可以使用序列号告诉每一行属于哪个数据帧，并在分离后删除临时行。
答案 1 :(得分：2)
假设您希望在类型低于上一行中的类型后启动组，则此代码应该有效：
class Group():
start = 0
last_type = 0
def four_group(self,x):
if x < Group.last_type:
Group.start +=1
groupNum = Group.start
Group.last_type = x
return groupNum
df = pd.read_csv("chart.csv")
zzz = Group()
df['TempGroup'] = df.type.apply(lambda x:zzz.four_group(x))
使用您的第二个数据框：
num date type signed
0 294981 2015-05-01 2 None
1 299888 2015-05-22 2 2015-05-28
2 299891 2015-05-22 2 2015-05-28
3 316150 2015-07-14 3 2015-07-23
4 336930 2015-10-13 3 2015-10-16
5 357536 2015-12-29 3 2015-12-29
6 379224 2016-03-14 1 2016-03-18
7 403862 2016-06-10 3 2016-06-10
8 414282 2016-07-26 3 2016-08-03
9 439184 2016-11-10 4 2016-11-14
10 448972 2016-12-12 1 2016-12-14
11 464306 2017-02-02 2 2017-02-06
代码返回：
num date type signed TempGroup
0 294981 5/1/2015 2 None 0
1 299888 5/22/2015 2 5/28/2015 0
2 299891 5/22/2015 2 5/28/2015 0
3 316150 7/14/2015 3 7/23/2015 0
4 336930 10/13/2015 3 10/16/2015 0
5 357536 12/29/2015 3 12/29/2015 0
6 379224 3/14/2016 1 3/18/2016 1
7 403862 6/10/2016 3 6/10/2016 1
8 414282 7/26/2016 3 8/3/2016 1
9 439184 11/10/2016 4 11/14/2016 1
10 448972 12/12/2016 1 12/14/2016 2
11 464306 2/2/2017 2 2/6/2017 2
然后，您可以根据TempGroup拆分数据框，然后删除TempGroup列。
编辑：混合数据帧
答案 2 :(得分：0)
作为观察，我看到你的“类型”看起来像是按年分组。如果是这样，这样的事情可能适合你：
getYear = lambda x: x.year
data.year = data.date.apply(getYear)
myGroup = data.groupby(year)
答案 3 :(得分：0)
我有类似的问题，但条件不同。可能对其他人有用。我想在我的＆＃34; tvshow＆＃34;的条件下分开行。列是21号。因此，每次在列中找到21时，我都会重置df [＆＃39; TempGroup＆＃39;]计数。 数据集摘要：
tvshow,time,duration
15,9.4,7.1
0,10.1,0.6
3,10.7,0.5
代码：
class Group():
start = 0
last_type = 0
Group.start = 0
def four_group(self,x):
if x == 21:
Group.start = 0
else: Group.start += 1
groupNum = Group.start
Group.last_type = x
return groupNum
# Read from .csv
df = pd.read_csv('/home/dataset.csv')
grp = Group()
df['TempGroup'] = df.tvshow.apply(lambda x:grp.four_group(x))