groupby pandas 数据框中的连续相同值和出现次数的累积计数

Question

我有一个问题，我想计算滚动期间数据帧中当前值未更改的次数。

例如：

df = pd.DataFrame({'col':list('aaaabbab')})

会以某种方式给出

的输出

0
1
2
3
0
1
0
0

我一直在尝试以下内容

df['col'] = df['col'] == df['col'].shift(1)
df.rolling(window=3).sum().reset_index(drop=True, level=0)

我添加了滚动，因为我想查看滚动周期方面的完整数据集，但即使没有滚动周期，我也无法完全理解其中的逻辑。

我不确定我是否遗漏了一些简单的东西，或者这可能无法使用 shift

Answer 1

您需要为值的变化生成石斑鱼。为此，将每个值与前一个值进行比较并应用 cumsum。这为您提供 itertools.groupby 样式的组（[1, 1, 1, 1, 2, 2, 3, 4]），最后分组并应用 cumcount.

df['count'] = (df.groupby(df['col'].ne(df['col'].shift()).cumsum())
                 .cumcount()
              )

输出：

  col  count
0   a      0
1   a      1
2   a      2
3   a      3
4   b      0
5   b      1
6   a      0
7   b      0

编辑：为了好玩，这里有一个使用 itertools 的解决方案（快得多）：

from itertools import groupby, chain
df['count'] = list(chain(*(list(range(len(list(g)))) 
                           for _,g in  groupby(df['col']))))

注意。这运行得更快（在提供的示例中为 88 µs 与 707 µs）