Question

我有一个这样的数据框，

df
col1    col2    col3
 1        2      3
 2        5      6
 7        8      9
10       11     12
11       12     13
13       14     15
14       15     16

现在，当两个连续行的col1差大于1时，我想从上方创建多个数据帧。因此结果数据帧看起来像

df1
col1    col2    col3
 1        2      3
 2        5      6
df2
col1    col2    col3
 7        8      9
df3
col1    col2    col3
10       11     12
11       12     13
df4
col1    col2    col3
13       14     15
14       15     16

我可以使用for循环并存储索引来执行此操作，但这会增加执行时间，寻找一些熊猫快捷方式或pythonic方式来最有效地执行此操作。

Answer 1

您可以通过获取diff来定义自定义分组程序，检查其是否大于1，并获取布尔系列的cumsum。然后将结果分组并从groupby对象构建字典：

d = dict(tuple(df.groupby(df.col1.diff().gt(1).cumsum())))

print(d[0])
   col1  col2  col3
0     1     2     3
1     2     5     6

print(d[1])
   col1  col2  col3
2     7     8     9

更详细的细分：

df.assign(difference=(diff:=df.col1.diff()), 
          condition=(gt1:=diff.gt(1)), 
          grouper=gt1.cumsum())

   col1  col2  col3  difference  condition  grouper
0     1     2     3         NaN      False        0
1     2     5     6         1.0      False        0
2     7     8     9         5.0       True        1
3    10    11    12         3.0       True        2
4    11    12    13         1.0      False        2
5    13    14    15         2.0       True        3
6    14    15    16         1.0      False        3

Answer 2

您也可以剥离目标列并将其作为系列使用，而不是上面的答案。这样可以使所有内容变小。在该示例上运行速度更快，但是我不知道它们会如何扩展，具体取决于您要拆分多少次。

row_bool = df['col1'].diff()>1
split_inds, = np.where(row_bool)
split_inds = np.insert(arr=split_inds, obj=[0,len(split_inds)], values=[0,len(df)])

df_tup = ()
for n in range(0,len(split_inds)-1):
    tempdf = df.iloc[split_inds[n]:split_inds[n+1],:]
    df_tup.append(tempdf)

（只是将其扔入一个数据帧的元组中，但是使用字典方法可能更好？）

根据连续的行值差异拆分数据帧

2 个答案: