Question

我有一只大熊猫DataFrame，其定义如下：

# -*- coding: utf-8 -*-
import datetime as dt
import pandas as pd


data = [[1, 1], [1, 1], [2, 2], [2, 2], [2, 2], [3, 3], [4, 4], [4, 4],
        [4, 4], [5, 5], [5, 5]]
df = pd.DataFrame(data, columns=['A', 'B'])
df.index = pd.date_range(dt.datetime(2012, 1, 1), periods=len(df), freq='H')

print(df)

和产量：

                 A  B
2012-01-01 00:00:00  1  1
2012-01-01 01:00:00  1  1
2012-01-01 02:00:00  2  2
2012-01-01 03:00:00  2  2
2012-01-01 04:00:00  2  2
2012-01-01 05:00:00  3  3
2012-01-01 06:00:00  4  4
2012-01-01 07:00:00  4  4
2012-01-01 08:00:00  4  4
2012-01-01 09:00:00  5  5
2012-01-01 10:00:00  5  5

现在我试图获取A列和B列相等的行的索引并且至少（或者确切地说也足够）n A中的n个连续行（此处为小时数）相等和B即我想提取必须连续的索引值（长度> = n的切片）A和B相等。

所以在这种情况下，对于n = 2，它应该是＆＃34; twos＆＃34;的索引。和＆＃34;四个＆＃34;：

2012-01-01 02:00:00
2012-01-01 03:00:00
2012-01-01 04:00:00
2012-01-01 06:00:00
2012-01-01 07:00:00
2012-01-01 08:00:00

仅获取A和B相等的行的索引非常简单。

但是如何才能获取n个连续的相等元素？

我想一定有一些我目前看不到的奇特的组合方式......

Answer 1

根据您的描述，我不清楚为什么1＆amp; 5将从您的结果中排除，因为它们每个都包含2个或更多连续行，并且A＆amp;乙

但是，下面的解决方案仍然有用，我确信您可以根据自己的需要对其进行修改。它首先过滤数据框，以匹配列A和B（df_matching）中的值。然后，它使用 shift-cumsum 模式对连续匹配的值进行分组，然后对n进行过滤。

n = 2
df_matching = df[df.A == df.B]
gb = df_matching.groupby((df_matching.A != df_matching.A.shift()).cumsum())
df_target = gb.filter(lambda x: len(x) >= n)

>>> df_target
                     A  B
2012-01-01 00:00:00  1  1
2012-01-01 01:00:00  1  1
2012-01-01 02:00:00  2  2
2012-01-01 03:00:00  2  2
2012-01-01 04:00:00  2  2
2012-01-01 06:00:00  4  4
2012-01-01 07:00:00  4  4
2012-01-01 08:00:00  4  4
2012-01-01 09:00:00  5  5
2012-01-01 10:00:00  5  5

上面的数据框是为了确保它符合您的期望。然后只提取索引：

>>> df_target.index
DatetimeIndex(['2012-01-01 00:00:00', '2012-01-01 01:00:00',
               '2012-01-01 02:00:00', '2012-01-01 03:00:00',
               '2012-01-01 04:00:00', '2012-01-01 06:00:00',
               '2012-01-01 07:00:00', '2012-01-01 08:00:00',
               '2012-01-01 09:00:00', '2012-01-01 10:00:00'],
              dtype='datetime64[ns]', freq=None)

请注意，如果n=3，则会获得预期结果。

Pandas DataFrame：查找两列相等/相同的特定长度序列的索引值

1 个答案: