Question

我有一个数据框：

   Id  Seqno. Event
    1     2    A 
    1     3    B 
    1     5    A 
    1     6    A 
    1     7    A 
    1     8    B 
    1     9    C 
    1    10    D

我想根据“事件A连续发生”的时间过滤数据帧。例如，如果我尝试事件A> 2，它应将所有ID返回为

 Id Event count 
  1  A   3

到目前为止，我已经尝试过

   df['new'] = df['Event'].shift()+ df['Event']

   a= df[df['new']=='AA']

   a[a['Id'].isin(a['Id'].value_counts()[a['Id'].value_counts()>2].index)]

但是它似乎不起作用。

Answer 1

此问题可以分为两部分。首先，您要按Id和Event系列中的连续元素进行分组。可以使用shift + cumsum

完成

m = df.Event.ne(df.Event.shift()).cumsum()
df['count'] = df.groupby(['Id', m])['Event'].transform('size')

print(df)

   Id  Seqno. Event  count
0   1       2     A      1
1   1       3     B      1
2   1       5     A      3
3   1       6     A      3
4   1       7     A      3
5   1       8     B      1
6   1       9     C      1
7   1      10     D      1

这为我们提供了一个系列，该系列标识了Event列中的顺序运行，但是现在我们希望使查找变得简单。我们可以drop_duplicates，这样每个条件每个Id/Event/count只返回一次运行，然后使用布尔索引：

f = df[['Id', 'Event', 'count']].drop_duplicates()
f.loc[f.Event.eq('A') & f['count'].gt(2)]

   Id Event  count
2   1     A      3

Answer 2

不使用pandas内部函数的函数（可以说是一种更好的方法）：

def eventmagic(event="A", num=2):
    subdf = df[(df["Event"] == event) & (df["Seqno."] > num)].sort_values(by="Seqno.")
    arr = subdf["Seqno."].values - np.arange(len(subdf)) # 5,6,7 to 5,5,5
    if len(arr) == 0: return 0
    i = 0
    while arr[i] == arr[0]:
        i += 1
        if i >= len(subdf):
            break
    return i

>>> eventmagic("B", 2)
1

>>> eventmagic("A", 1)
1

>>> eventmagic("A", 3)
3

>>> eventmagic("A", 10)
0

连续相似字符串的计数

2 个答案: