Python pandas 每次出现 0 时重置的 cumsum

Question

我有一个包含 0 和 1 的矩阵，我想对每一列执行 cumsum，只要观察到零，它就会重置为 0。例如，如果我们有以下内容：

df = pd.DataFrame([[0,1],[1,1],[0,1],[1,0],[1,1],[0,1]],columns = ['a','b'])
print(df)
   a  b
0  0  1
1  1  1
2  0  1
3  1  0
4  1  1
5  0  1

我想要的结果是：

然而，当我尝试 df.cumsum() * df 时，我能够正确识别 0 元素，但计数器没有重置：

print(df.cumsum() * df)
   a  b
0  0  1
1  1  2
2  0  3
3  2  0
4  3  4
5  0  5

Answer 1

试试这个

df = pd.DataFrame([[0,1],[1,1],[0,1],[1,0],[1,1],[0,1]],columns = ['a','b'])
df['groupId1']=df.a.eq(0).cumsum()
df['groupId2']=df.b.eq(0).cumsum()
New=pd.DataFrame()
New['a']=df.groupby('groupId1').a.transform('cumsum')
New['b']=df.groupby('groupId2').b.transform('cumsum')

New
Out[1184]: 
   a  b
0  0  1
1  1  2
2  0  3
3  1  0
4  2  1
5  0  2

Answer 2

您可以使用：

a = df != 0
df1 = a.cumsum()-a.cumsum().where(~a).ffill().fillna(0).astype(int)
print (df1)
   a  b
0  0  1
1  1  2
2  0  3
3  1  0
4  2  1
5  0  2

Answer 3

一个有点老套的方法是在执行 cumsum:

之前识别零的索引并将相应的值设置为这些索引的负数

import pandas as pd
df = pd.DataFrame([[0,1],[1,1],[0,1],[1,0],[1,1],[0,1]],columns = ['a','b'])
z = np.where(df['b']==0)
df['b'][z[0]] = -z[0]
df['b'] = np.cumsum(df['b'])
df

   a  b
0  0  1
1  1  2
2  0  3
3  1  0
4  1  1
5  0  2

Answer 4

您也可以尝试以下简单但可靠的方法。

每列 - 创建要在其中计数的组。一旦出现按行的顺序值差异，组就开始，并在值保持不变时持续：(x != x.shift()).cumsum().
示例：

使用 pd.DataFrame 的 apply 和 groupby 方法计算每列组内的累积总和，您将在一行中获得零重置的累积总和：

import pandas as pd
df = pd.DataFrame([[0,1],[1,1],[0,1],[1,0],[1,1],[0,1]],columns = ['a','b'])

cs = df.apply(lambda x: x.groupby((x != x.shift()).cumsum()).cumsum())
print(cs)

   a  b
0  0  1
1  1  2
2  0  3
3  1  0
4  2  1
5  0  2

Python pandas 每次出现 0 时重置的 cumsum

Python pandas cumsum with reset everytime there is a 0

python

pandas

cumsum