根据条件对数据框中的正负连续元素进行计数

Question

我有一个这样的数据框。

import pandas as pd

df = pd.DataFrame({
    'col': ['neutral', 'neutral', 'neutral', 'positive', 'positive', 'negative', 'neutral']})

现在，我想更新“ col”，以便当从正值变为负值或反之亦然时得到true，否则得到false（即，连续相等的值），而在发生变化时得到false从正/负到中性，反之亦然。

我用grouby和transform尝试了几种方法，但是没有用。

我想要的输出将是：

df = pd.DataFrame({
    'col': ['False', 'False', 'False', 'False', 'False', 'True', 'False']})  

Answer 1

map + diff

分别将正负映射到1和-1，将中立映射到0。当采用级数差时，每次正负跟随时输出的绝对值将为2，您可以轻松检查该值，以得到所需的结果：

d = {'positive': 1, 'negative': -1, 'neutral': 0}

df.col.map(d).diff().abs().eq(2)

0    False
1    False
2    False
3    False
4    False
5     True
6    False
Name: col, dtype: bool

Answer 2

一个长表达式，它根据您的条件生成布尔值：

(((df['col'] == 'positive') & (df['col'].shift(1) == 'negative')) | ((df['col'] == 'negative') & (df['col'].shift(1) == 'positive')))

这将使用按位运算符来说明当前位置是否为正，而后一个位置为负，真或当前位置是否为负，以下为正，否则返回false。

>>> (((df['col'] == 'positive') & (df['col'].shift(1) == 'negative')) | ((df['col'] == 'negative') & (df['col'].shift(1) == 'positive')))
0    False
1    False
2    False
3    False
4    False
5     True
6    False
Name: col, dtype: bool

必须同时满足两个第一个条件才能返回true，或者必须同时满足两个第二个条件才能返回true。