python - pandas 仅替换列的一部分

Question

这是我的输入:

import pandas as pd
import numpy as np

list1 = [10,79,6,38,4,557,12,220,46,22,45,22]
list2 = [4,3,23,6,234,47,312,2,426,42,435,23]

df = pd.DataFrame({'A' : list1, 'B' : list2}, columns = ['A', 'B'])
df['C'] = np.where (df['A'] > df['B'].shift(-2), 1, np.nan)
print (df)

产生这个输出:

      A    B    C
0    10    4  NaN
1    79    3  1.0
2     6   23  NaN
3    38    6  NaN
4     4  234  NaN
5   557   47  1.0
6    12  312  NaN
7   220    2  1.0
8    46  426  NaN
9    22   42  NaN
10   45  435  NaN
11   22   23  NaN

我需要做的是将“C”列更改为一组连续的三个 1，不重叠。期望的输出是:

      A    B    C
0    10    4  NaN
1    79    3  1.0
2     6   23  1.0
3    38    6  1.0
4     4  234  NaN
5   557   47  1.0
6    12  312  1.0
7   220    2  1.0
8    46  426  NaN
9    22   42  NaN
10   45  435  NaN
11   22   23  NaN

因此，第 2、3 和 6 行从 NaN 变为 1.0。第 7 行已经有一个 1.0，它被忽略了。第 8 行和第 9 行需要保留 NaN，因为第 7 行是前一组的最后一个条目。

我不知道是否有更好的方法来构建在创建时执行此操作的“C”列。

我已经尝试了多个版本的 fillna 和 ffill，但没有一个对我有用。

这看起来很复杂，但我试图用这一行隔离每个 1.0 的行 ID:

print (df.loc[df['C'] == 1])

正确输出的是:

     A   B    C
1   79   3  1.0
5  557  47  1.0
7  220   2  1.0

即使我知道该信息，我也不知道如何从那里继续。

非常感谢您的提前帮助， 大卫

Answer 1

编辑:

更快的版本(感谢 b2002):

ii = df[pd.notnull(df.C)].index
dd = np.diff(ii)
jj = [ii[i] for i in range(1,len(ii)) if dd[i-1] > 2]
jj = [ii[0]] + jj

for ci in jj:
    df.C.values[ci:ci+3] = 1.0

---

首先通过查看 C 列中不为空的点之间的差异，获取所有起点的索引，即所有 1.0 且后面有两个 NaN 的点 (默认包含第一个索引)，然后迭代这些索引并使用 loc 更改 C 列的切片:

ii = df[pd.notnull(df.C)].index
dd = np.diff(ii)
jj = [ii[i] for i in range(1,len(ii)) if dd[i-1] > 2]
jj = [ii[0]] + jj

for ci in jj:
    df.loc[ci:ci+2,'C'] = 1.0

结果:

      A    B    C
0    10    4  NaN
1    79    3  1.0
2     6   23  1.0
3    38    6  1.0
4     4  234  NaN
5   557   47  1.0
6    12  312  1.0
7   220    2  1.0
8    46  426  NaN
9    22   42  NaN
10   45  435  NaN
11   22   23  NaN