python - 行数 - pandas 重複 カウント




pandas dataframe:バイナリ列の1行の数を数える方法は? (2)

ここにNumPyのcumsumbincountのアプローチがありbincount -

def cumsum_bincount(a):  
    # Append 0 & look for a [0,1] pattern. Form a binned array based off 1s groups
    ids = a*(np.diff(np.r_[0,a])==1).cumsum()

    # Get the bincount, index into the count with ids and finally mask out 0s
    return a*np.bincount(ids)[ids]

サンプルラン -

In [88]: df['counts'] = cumsum_bincount(df.first_column.values)

In [89]: df
Out[89]: 
    first_column  counts
0              0       0
1              0       0
2              0       0
3              1       3
4              1       3
5              1       3
6              0       0
7              0       0
8              1       2
9              1       2
10             0       0
11             0       0
12             0       0
13             0       0
14             1       5
15             1       5
16             1       5
17             1       5
18             1       5
19             0       0
20             0       0

最初の6要素を1に設定してテストします。

In [101]: df.first_column.values[:5] = 1

In [102]: df['counts'] = cumsum_bincount(df.first_column.values)

In [103]: df
Out[103]: 
    first_column  counts
0              1       6
1              1       6
2              1       6
3              1       6
4              1       6
5              1       6
6              0       0
7              0       0
8              1       2
9              1       2
10             0       0
11             0       0
12             0       0
13             0       0
14             1       5
15             1       5
16             1       5
17             1       5
18             1       5
19             0       0
20             0       0

私は以下のパンダDataFrameを持っています:

import pandas as pd
import numpy as np

df = pd.DataFrame({"first_column": [0, 0, 0, 1, 1, 1, 0, 0, 1, 1, 0, 0, 0, 0, 1, 1, 1, 1, 1, 0, 0]})

>>> df
    first_column
0              0
1              0
2              0
3              1
4              1
5              1
6              0
7              0
8              1
9              1
10             0
11             0
12             0
13             0
14             1
15             1
16             1
17             1
18             1
19             0
20             0

first_columnは0と1の2進列です。 連続したものの「クラスタ」があり、常に少なくとも2つのペアで見つかる。

私の目標は、グループごとに1行の行数を「カウント」する列を作成することです。

>>> df
    first_column    counts
0              0        0
1              0        0
2              0        0
3              1        3
4              1        3
5              1        3
6              0        0
7              0        0
8              1        2
9              1        2
10             0        0
11             0        0
12             0        0
13             0        0
14             1        5
15             1        5
16             1        5
17             1        5
18             1        5
19             0        0
20             0        0

これはdf.loc()仕事のように聞こえます。例えばdf.loc[df.first_column == 1] ... something

私は個々の個々の「クラスタ」をどのように考慮するか、および「行数」を使って各固有クラスターにラベルを付ける方法についてはわかりません。

どのようにこれを行うでしょうか?


ここにはパンダのgroupbyの別のアプローチがあります。これはかなり読みやすいと思います。 (可能な)利点は、1と0だけが列に存在するという仮定に頼らないことです。

主な洞察は、連続する値のグループを作成し、その長さを単純に計算することです。 グループ内の値の情報も持ちますので、ゼロをフィルタリングできます。

# Relevant column -> grouper needs to be 1-Dimensional
col_vals = df['first_column']

# Group by sequence of consecutive values and value in the sequence.
grouped = df.groupby(((col_vals!=col_vals.shift(1)).cumsum(), col_vals))

# Get the length of consecutive values if they are different from zero, else zero
df['counts'] = grouped['first_column'].transform(lambda group: len(group))\
                                      .where(col_vals!=0, 0)

これはグループとキーの様子です:

for key, group in grouped:
    print key, group

(1, 0)    first_column
0             0
1             0
2             0
(2, 1)    first_column
3             1
4             1
5             1
(3, 0)    first_column
6             0
7             0
(4, 1)    first_column
8             1
9             1
(5, 0)     first_column
10             0
11             0
12             0
13             0
(6, 1)     first_column
14             1
15             1
16             1
17             1
18             1
(7, 0)     first_column
19             0
20             0




pandas-groupby