Question

让我们假设我在Python中有一个pandas DataFrame，它显示了一段时间内不同部门的业务部门负责人的姓名。可能看起来像这样

          Leader_Jan Leader_Feb Leader_Mar Leader_Apr
Unit1       Nina       Nina       Nina       Nina
Unit2       Lena       Lena        NaN       Lena
Unit3       Alex      Maria       Alex       Alex
Unit4     Emilia        NaN        NaN        NaN
Unit5        NaN    Corinna      Petra        NaN

，可以按照以下方式重新创建：

import pandas as pd
import numpy as np
a = ['Nina','Nina','Nina','Nina']
b = ['Lena','Lena',np.NaN,'Lena']
c = ['Alex','Maria','Alex','Alex']
d = ['Emilia',np.NaN,np.NaN,np.NaN]
e = [np.NaN,'Corinna','Petra',np.NaN]
data = pd.DataFrame(data=[a,b,c,d,e], columns =['Leader_Jan','Leader_Feb','Leader_Mar','Leader_Apr'], index=['Unit1','Unit2','Unit3','Unit4','Unit5'])

上下文：我想找出领导者在哪些单位中呆的时间很短或很长（以月为单位），以便以后找出我公司特定部门中是否存在团队冲突。

我想在一个 不间断 期间，将领导者到场的时间的最小值和最大值（以月为单位）添加到数据框中。由于可能的中断（请参阅第2单元和第3单元），我不能仅对每行中的不同名称使用value_counts。我宁愿需要找到由NaN值和其他名称分隔的不同领导者名称的序列长度。要查看我认为的顺序，请检查这张照片中的不同颜色：

您可能会看到，如第2单元和第3单元中所述的中断将导致多次停留。序列中的NaN月数不应该计算。

结果应如下所示：

      Leader_Jan Leader_Feb Leader_Mar Leader_Apr  Min_length_of_stay_leaders  \
Unit1       Nina       Nina       Nina       Nina                           4   
Unit2       Lena       Lena        NaN       Lena                           1   
Unit3       Alex      Maria       Alex       Alex                           1   
Unit4     Emilia        NaN        NaN        NaN                           1   
Unit5        NaN    Corinna      Petra        NaN                           1   

       Max_length_of_stay_leaders  
Unit1                           4  
Unit2                           2  
Unit3                           2  
Unit4                           1  
Unit5                           1

我知道这可能会很复杂，但是我会喜欢任何帮助/提示等，因为我在这里有些迷路。

Answer 1

使用itertools.groupby实际上很容易：

from itertools import groupby

def min_max_durations(row):
    # the group object consumes the iterator, but we don't care about the values 
    # so we just sum "1" to get the length.
    # Taken from https://stackoverflow.com/questions/44490079/how-to-turn-an-itertools-grouper-object-into-a-list
    durations = [sum(1 for _ in group) for key, group in groupby(row) if not isinstance(key, float)]
    return min(durations), max(durations)

data["min_lengths_of_stay"], data["max_lengths_of_stay"] = zip(*data.apply(min_max_durations, axis=1))

float的实例检查只是从此处计数中删除NaN值的一种快速方法，您可以使其变得任意复杂。

这将输出正确的结果（请注意，与您的示例不同，粘贴您的复制代码的副本在Unit3中具有3个“ Alex”条目）

      Leader_Jan Leader_Feb Leader_Mar Leader_Apr  min_lengths_of_stay  \
Unit1       Nina       Nina       Nina       Nina                    4   
Unit2       Lena       Lena        NaN       Lena                    1   
Unit3      Maria       Alex       Alex       Alex                    1   
Unit4     Emilia        NaN        NaN        NaN                    1   
Unit5        NaN    Corinna      Petra        NaN                    1   
       max_lengths_of_stay  
Unit1                    4  
Unit2                    2  
Unit3                    3  
Unit4                    1  
Unit5                    1

Answer 2

这应该让您入门-

temp = df.apply(lambda x: x.groupby((x != x.shift()).cumsum()).cumcount()+1, axis=1)

mins = temp.min(1)
maxs = temp.max(1)
mask = temp.apply(lambda x: x.is_monotonic_increasing and x.is_unique, axis=1)
mins.loc[mask] = maxs.loc[mask]
mins.name='Min_length_of_stay_leaders'
maxs.name='Max_length_of_stay_leaders'

df.join(mins).join(maxs)

输出

      Leader_Jan Leader_Feb Leader_Mar Leader_Apr  Min_length_of_stay_leaders  \
Unit1       Nina       Nina       Nina       Nina                           4   
Unit2       Lena       Lena        NaN       Lena                           1   
Unit3       Alex      Maria       Alex       Alex                           1   
Unit4     Emilia        NaN        NaN        NaN                           1   
Unit5        NaN    Corinna      Petra        NaN                           1   

       Max_length_of_stay_leaders  
Unit1                           4  
Unit2                           2  
Unit3                           2  
Unit4                           1  
Unit5                           1

说明

temp = df.apply(lambda x: x.groupby((x != x.shift()).cumsum()).cumcount()+1, axis=1)

这使您连续获得按领导者姓名分组的领导者数量-

    Leader_Jan  Leader_Feb  Leader_Mar  Leader_Apr
Unit1   1   2   3   4
Unit2   1   2   1   1
Unit3   1   1   1   2
Unit4   1   1   1   1
Unit5   1   1   1   1

只需提取max和min-

mins = temp.min(1)
maxs = temp.max(1)

然后问题出在Nina上-她一直任职，因此在这种情况下min也必须是4。

因此，仅对于这种边缘情况，mask对象会严格检测单调递增的级数，并在这种情况下替换为max。

我仍然不确定它是否适用于所有情况，所以请检查

Pandas DataFrame：每行依次在不同列中具有相同值的数量

2 个答案: