Question

问题：

给定一个包含如下数据的数据框：

>>> df
    data
0  START
1   blah
2   blah
3   blah
4   blah
5    END
6  START
7   blah
8   blah
9    END

分配新列的最有效方法是使用每START递增的运行数？这是我想要的结果：

>>> df
    data  number
0  START       1
1   blah       1
2   blah       1
3   blah       1
4   blah       1
5    END       1
6  START       2
7   blah       2
8   blah       2
9    END       2

我做了什么

这很好，但速度很慢（这将适用于更大的数据帧，我相信有更好的方法可以做到这一点：

counter = 0
df = df.assign(number = 0)
for i, row in df.iterrows():
    if row['data'] == 'START':
        counter += 1
    df.loc[i, 'number'] = counter

重现示例数据框

import pandas as pd
data = ['blah'] * 10
data[0], data[6] = ['START'] * 2
data[5], data[-1] = ['END'] * 2

df = pd.DataFrame({'data':data})

Answer 1

这是一种方式

df.data.eq('START').cumsum()
Out[74]: 
0    1
1    1
2    1
3    1
4    1
5    1
6    2
7    2
8    2
9    2
Name: data, dtype: int32

分配后

df['number']=df.data.eq('START').cumsum()
df
Out[76]: 
    data  number
0  START       1
1   blah       1
2   blah       1
3   blah       1
4   blah       1
5    END       1
6  START       2
7   blah       2
8   blah       2
9    END       2

在pandas中具有运行编号的新列，有条件地递增

1 个答案: