我以为我知道该怎么做,但是我正在把头发拔出来。我正在尝试使用一个函数来创建新列。该函数查看当前行中win列的值,并需要将其与win列中的前一个数字进行比较,如下面的if语句所示。获胜栏将永远只有0或1。
import pandas as pd
data = pd.DataFrame({'win': [0, 0, 1, 1, 1, 0, 1]})
print (data)
win
0 0
1 0
2 1
3 1
4 1
5 0
6 1
def streak(row):
win_current_row = row['win']
win_row_above = row['win'].shift(-1)
streak_row_above = row['streak'].shift(-1)
if (win_row_above == 0) & (win_current_row == 0):
return 0
elif (win_row_above == 0) & (win_current_row ==1):
return 1
elif (win_row_above ==1) & (win_current_row == 1):
return streak_row_above + 1
else:
return 0
data['streak'] = data.apply(streak, axis=1)
所有这些都以以下错误结束:
AttributeError: ("'numpy.int64' object has no attribute 'shift'", 'occurred at index 0')
在其他示例中,我看到了引用df['column'].shift(1)
的函数,因此我很困惑为什么在这种情况下似乎无法做到这一点。
我也想获得的输出是:
result = pd.DataFrame({'win': [0, 0, 1, 1, 1, 0, 1], 'streak': ['NaN', 0 , 1, 2, 3, 0, 1]})
print(result)
win streak
0 0 NaN
1 0 0
2 1 1
3 1 2
4 1 3
5 0 0
6 1 1
感谢您帮助我摆脱困境。
答案 0 :(得分:3)
让我们尝试groupby
和cumcount
:
m = df.win.astype(bool)
df['streak'] = (
m.groupby([m, (~m).cumsum().where(m)]).cumcount().add(1).mul(m))
df
win streak
0 0 0
1 0 0
2 1 1
3 1 2
4 1 3
5 0 0
6 1 1
工作方式
使用df.win.astype(bool)
,将df['win']
转换为其等效的布尔值(1 = True,0 = False)。
下一步,
(~m).cumsum().where(m)
0 NaN
1 NaN
2 2.0
3 2.0
4 2.0
5 NaN
6 3.0
Name: win, dtype: float64
用唯一的数字表示所有连续的1,其中0被屏蔽为NaN。
现在,使用groupby
和cumcount
为组中的每一行分配单调递增的数字。
m.groupby([m, (~m).cumsum().where(m)]).cumcount()
0 0
1 1
2 0
3 1
4 2
5 2
6 0
dtype: int64
这是我们想要的,但是您可以看到它是1)从零开始,以及2)还向0
分配值(无获胜)。我们可以使用m
对其进行掩盖(x乘以1(= True)为x,任何时候乘以0(= False)为0)。
m.groupby([m, (~m).cumsum().where(m)]).cumcount().add(1).mul(m)
0 0
1 0
2 1
3 2
4 3
5 0
6 1
dtype: int64
将此内容分配回原位。
答案 1 :(得分:2)
使用pandas
时,一个相当普遍的技巧是按连续值分组。这个诀窍是well-described here。
要解决您的特定问题,我们想要groupby
个连续值,然后使用cumsum
,这意味着损失组(0
组)的累积总和为0
,而获胜组(或1
组)将追踪获胜条纹。
grouper = (df.win != df.win.shift()).cumsum()
df['streak'] = df.groupby(grouper).cumsum()
win streak
0 0 0
1 0 0
2 1 1
3 1 2
4 1 3
5 0 0
6 1 1
为便于说明,这是我们的grouper
Series
,它使我们可以按1
和0
的连续区域进行分组:>
print(grouper)
0 1
1 1
2 2
3 2
4 2
5 3
6 4
Name: win, dtype: int64
答案 2 :(得分:1)
出现该错误的原因是因为shift()是熊猫方法。您的代码尝试执行的操作是在numpy.int64的行(row ['win'])中获取值。因此,您尝试在numpy.int64上执行shift()的位置。 df ['column']。shift(1)要做的是获取一个也是数据帧的dateframe列,并将该列移动1。
要自己测试一下,请尝试 打印(类型(数据['win'])) 和 print(type(row ['win'])) 和 打印(类型(行))
这将告诉您数据类型。
当您进入时也会出现错误
streak_row_above = row ['streak']。shift(-1)
因为您在创建row ['streak']之前就对其进行了引用。