我有一个看起来像这样的 Pandas 数据框:
x1=[np.nan, 'a','a','a', np.nan,np.nan,'b','b','c',np.nan,'b','b', np.nan]
ty1 = pd.DataFrame({'name':x1})
你知道我如何获得包含不同连续 block 的开始和结束索引的元组列表吗?例如对于上面的数据框,
[(1,3), (6,7), (8,8), (10,11)].
最佳答案
您可以使用 shift
和 cumsum
为每个连续 block 创建“id”:
In [5]: blocks = (ty1 != ty1.shift()).cumsum()
In [6]: blocks
Out[6]:
name
0 1
1 2
2 2
3 2
4 3
5 4
6 5
7 5
8 6
9 7
10 8
11 8
12 9
您只对那些不是 NaN 的 block 感兴趣,因此对其进行过滤:
In [7]: blocks = blocks[ty1['name'].notnull()]
In [8]: blocks
Out[8]:
name
1 2
2 2
3 2
6 5
7 5
8 6
10 8
11 8
然后,我们可以获得每个“id”的第一个和最后一个索引:
In [10]: blocks.groupby('name').apply(lambda x: (x.index[0], x.index[-1]))
Out[10]:
name
2 (1, 3)
5 (6, 7)
6 (8, 8)
8 (10, 11)
dtype: object
不过,如果这最后一步是必要的将取决于你想用它做什么(不真正推荐使用元组作为数据框中的元素)。也许拥有“id”就足够了。
关于python - Pandas 数据框中不同的连续 block ,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/30568701/