我正在尝试根据两个条件在 pandas 中创建条件运行总和。
import pandas as pd
ID = [1,1,1,2,2,3,4]
after = ['A','B','B','A','A','B','A']
before = ['A','B','B','A','A','B','A']
df = pd.DataFrame([ID, before,after]).T
df.columns = ['ID','before','after']
数据看起来像:
ID before after
0 1 A A
1 1 B B
2 1 B B
3 2 A A
4 2 A A
5 3 B B
6 4 A A
然后我想看看一个 ID 作为 B 之前的值有多久,我的尝试:
df['time_on_b'] = (df.groupby('before')['ID'].cumcount()+1).where(df['before']=='B',0)
这给了我:
ID before after time_on_b
0 1 A A 0
1 1 B B 1
2 1 B B 2
3 2 A A 0
4 2 A A 0
5 3 B B 3
6 4 A A 0
理想的输出如下:
ID before after time_on_b
0 1 A A 0
1 1 B B 1
2 1 B B 2
3 2 A A 0
4 2 A A 0
5 3 B B 1
6 4 A A 0
如您所见,随着 ID 的更改,我希望 time_on_b 重置,因此它给我的值是 1 而不是 3。
最佳答案
看来您需要按ID
分组,然后使用cumsum
来计算B
的出现次数:
cond = df.before == 'B'
df['time_on_b'] = cond.groupby(df.ID).cumsum().where(cond, 0).astype(int)
df
# ID before after time_on_b
#0 1 A A 0
#1 1 B B 1
#2 1 B B 2
#3 2 A A 0
#4 2 A A 0
#5 3 B B 1
#6 4 A A 0
关于python - 条件运行计数 Pandas,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/46121798/