pandas行數 - python dataframe取值




熊貓dataframe:如何計算一個二進制列中的1行的數量? (2)

我有下面的熊貓DataFrame:

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是一個0和1的二進制列。 有連續的“集群”,它們總是以至少兩對的形式出現。

我的目標是創建一個“計數”每個組的行數的列:

>>> 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

這聽起來像df.loc()的工作,例如df.loc[df.first_column == 1] ... something

我只是不確定如何考慮每個人的“集群”,以及如何用“行數”來標記每個獨特的集群。

如何做到這一點?


這是NumPy的cumsumbincount的一個方法 -

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]

樣品運行 -

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

將前6元素設置為1秒然後測試 -

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

這是熊貓groupby的另一種方法,我認為它很可讀。 (可能的)優點是不依賴於列中僅存在1和0的假設。

主要的見解是創建連續值組,然後簡單地計算它們的長度。 我們還攜帶組中值的信息,所以我們可以過濾零。

# 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)

這就是組和鍵的樣子:

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