Question

假设我有一个像[0,0,0,1,0,0,1,0]这样的列表。

每当迭代器遇到1时，包含1的先前列表就会分配给一个事件。这一直持续到遇到下一个1。因此，在这种情况下，有2个事件。

但是如果列表类似于[0,0,1,1,0,0,1]，由于将连续的1一起考虑，因此这仍将算作2个事件。

到目前为止，我不包括[1,0,0,1]之类的情况。

可以创建一个新列以反映左边的0或1属于哪个事件，例如事件1或事件2等。

我发现一些使用zip的方法，但是我的情况有所不同。我该如何处理？

Answer 1

您可以只使用itertools.groupby

import itertools 
l=[0,0,1,1,0,0,1]
[list(y)[0]==1 for x , y in itertools.groupby(l)]
Out[853]: [False, True, False, True]
sum([list(y)[0]==1 for x , y in itertools.groupby(l)])
Out[854]: 2

Answer 2

IIUC，以定义事件：

它必须从0（??）开始，以'1'结尾，并且必须至少有一个'1'
如果两个相邻行是
- 从0-> 0、1-> 1、0-> 1，然后在同一事件中
- 从1-> 0开始，发生了不同的事件

下面，我使用(df.c.diff() < 0).cumsum()+1来标识event_id，并根据是否显示“ 1”来调整最后一个 event_id 组：

import pandas as pd
import numpy as np

l = [0,0,0,1,1,0,0,1,0]
df = pd.DataFrame(l, columns=['c'])

# event_id changes when df.c.diff() < 0
event_id = (df.c.diff() < 0).cumsum()+1

#event_id
#Out[233]: 
#0    1
#1    1
#2    1
#3    1
#4    1
#5    2
#6    2
#7    2
#8    3

# the last event_id sequence might not be an event if it does not contain any '1'
m1 = df.groupby(event_id).c.transform(max) == 1
# if you need at least one '0' in an event, then adjust condition to m1&m2 in np.where() and since the first event_id might be skipped thus its calculation should be based on if the first row is an '1'
#event_id = (df.c.diff() < 0).cumsum()+ np.where(df.c.iloc[0]==1,0,1)
#m2 = df.groupby(event_id).c.transform(min) == 0
#df['event'] = np.where(m1&m2, event_id.map('Event-{}'.format), 'Not an event')

df['event'] = np.where(m1, event_id.map('Event-{}'.format), 'Not an event')
# df
# Out[235]: 
#   c         event
#0  0       Event-1
#1  0       Event-1
#2  0       Event-1
#3  1       Event-1
#4  1       Event-1
#5  0       Event-2
#6  0       Event-2
#7  1       Event-2
#8  0  Not an event

注意： df.groupby(event_id).c.transform(max) == 1表示同一event_id组中至少有一个'1'，因此有资格参加活动。

遍历熊猫列以分配事件

2 个答案: