python - 基于pandas中的相等性计算数据的拼写长度

Question

我想根据 pandas 数据框中相邻列的相等性来计算 spell 长度。最好的方法是什么？

一个例子:

import pandas as pd
d1 = pd.DataFrame([['4', '4', '4', '5'], ['23', '23', '24', '24'], ['112', '112', '112', '112']], 
              index=['c1', 'c2', 'c3'], columns=[1962, 1963, 1964, 1965])

生成一个看起来像的数据框

我想返回如下所示的数据框。此输出记录了每行发生的咒语数量。在本例中，c1 有 2 个咒语，第一个咒语发生在 1962 年至 1964 年，第二个咒语在 1965 年开始和结束:

以及一个描述拼写长度的数据框，如下所示。例如，c1 的一个咒语持续时间为 3 年，第二个咒语的持续时间为 1 年。

这种重新编码在生存分析中很有用。

Answer 1

以下内容适用于您的数据集，需要提出一个问题才能减少我对使用 list comprehensions and itertools 的原始答案:

In [153]:

def num_spells(x):
    t = list(x.unique())
    return [t.index(el)+1 for el in x]

d1.apply(num_spells, axis=1)

Out[153]:
    1962  1963  1964  1965
c1     1     1     1     2
c2     1     1     2     2
c3     1     1     1     1

In [144]:
from itertools import chain, repeat
def spell_len(x):
    t = list(x.value_counts())
    return list(chain.from_iterable(repeat(i,i) for i in t))

d1.apply(spell_len, axis=1)
Out[144]:
    1962  1963  1964  1965
c1     3     3     3     1
c2     2     2     2     2
c3     4     4     4     4