pandas 如何逐行迭代统计一个类别的实例，并在另一个类别出现时重置它们？
pandas how to iteratively count instances of a category by row and reset them when the other category appears?
我有一个显示机器行为的 DataFrame。该机器可以处于两种状态：生产或清洁。因此，我有一个名为“Production”的虚拟变量，它在机器生产时显示 1，在不生产时显示 0。我想知道生产周期（机器在停止之前持续生产多少小时，以及在重新开始整个过程之前停止多少时间）。因此，我想创建一个列来统计机器在每个状态下的时间（多少行），但是当另一个类别再次出现时它应该自己重置。
示例：
production production_cycle
1 5
1 5
1 5
1 5
1 5
0 2
0 2
1 1
0 3
0 3
0 3
您可以首先通过查看与前一个转折点 diff 的点来检测转折点。然后这个的累积总和给出了所需的分组。我们 transform 这与 count 得到每个组的大小：
>>> grouper = df.production.diff().ne(0).cumsum()
>>> df["production_cycle"] = df.groupby(grouper).transform("count")
>>> df
production production_cycle
0 1 5
1 1 5
2 1 5
3 1 5
4 1 5
5 0 2
6 0 2
7 1 1
8 0 3
9 0 3
10 0 3
grouper 是
>>> grouper
0 1
1 1
2 1
3 1
4 1
5 2
6 2
7 3
8 4
9 4
10 4
我有一个显示机器行为的 DataFrame。该机器可以处于两种状态：生产或清洁。因此，我有一个名为“Production”的虚拟变量，它在机器生产时显示 1，在不生产时显示 0。我想知道生产周期（机器在停止之前持续生产多少小时，以及在重新开始整个过程之前停止多少时间）。因此，我想创建一个列来统计机器在每个状态下的时间（多少行），但是当另一个类别再次出现时它应该自己重置。
示例：
production production_cycle
1 5
1 5
1 5
1 5
1 5
0 2
0 2
1 1
0 3
0 3
0 3
您可以首先通过查看与前一个转折点 diff 的点来检测转折点。然后这个的累积总和给出了所需的分组。我们 transform 这与 count 得到每个组的大小：
>>> grouper = df.production.diff().ne(0).cumsum()
>>> df["production_cycle"] = df.groupby(grouper).transform("count")
>>> df
production production_cycle
0 1 5
1 1 5
2 1 5
3 1 5
4 1 5
5 0 2
6 0 2
7 1 1
8 0 3
9 0 3
10 0 3
grouper 是
>>> grouper
0 1
1 1
2 1
3 1
4 1
5 2
6 2
7 3
8 4
9 4
10 4