Question

我有一个这样的熊猫数据框：

    id  some_value
0   tag1    v1
1   tag1    v2
2   tag1    v1
3   tag2    v2
4   tag2    v2
5   tag2    v3

，我想知道some_value中的值对于每个ID多久更改一次。因此，对于tag1将是两次（因为它首先从v1变为v2然后又变回），对于tag2它将是一次。我已经解决了这样的问题：

import pandas as pd
df = pd.DataFrame({'id': ['tag1', 'tag1', 'tag1', 'tag2', 'tag2','tag2'], 'some_value': ['v1','v2','v1','v2','v2','v3']})
mask = df['id'] == df['id'].shift(-1)
df['changed'] = df['some_value'] != df['some_value'].shift(-1)
df[mask].groupby('id').sum()

该代码可以正常工作，因为它返回

    changed
id  
tag1    2.0
tag2    1.0

是否有更优雅的解决方案？

Answer 1

实现此目标的一种方法是：

def numChanges(x):
    return sum(x.iloc[:-1] != x.shift(-1).iloc[:-1])

df.groupby('id').agg({
    'some_value' : numChanges
})

请注意，如果id列未排序，结果将有所不同，因此您的解决方案可能会产生不正确的结果，除非您打算这样做。

作为一个例子，在我的解决方案中，下面的数据集将产生tag2值为5，但根据您的结果为3。从技术上讲，正确的答案是5，但是如果对id变量进行排序，则不会有任何区别。

pd.concat([df]*3)  #My solution outputs 5 changes for tag2 and yours will give 3 only

如何计算熊猫数据框中列值更改的频率

1 个答案: