python - 如何跟踪独特情况发生的次数

Question

我有一个看起来像这样的 df:

time  val
0      1
1      1
2      2
3      3
4      1
5      2
6      3
7      3
8      3
9      3
10     1
11     1

如何创建新列来保存条件发生且不发生变化的次数？在这种情况下，我想为 val 中的每个唯一值创建一个列，该列保存给定发生行的累积和，但如果条件不改变，则不会增加该值。

预期结果如下:

time  val  sum_1   sum_2    sum_3
0      1    1        0       0 
1      1    1        0       0
2      2    1        1       0
3      3    1        1       1
4      1    2        1       1
5      2    2        2       1
6      3    2        2       2 
7      3    2        2       2
8      3    2        2       2
9      3    2        2       2
10     1    3        2       2
11     1    3        2       2

编辑

更具体地说明条件:

我想计算val中出现唯一值的次数。例如，使用下面的代码，我可以获得以下结果:

df['sum_1'] = (df['val'] == 1).cumsum()
df['sum_2'] = (df['val'] == 2).cumsum()
df['sum_3'] = (df['val'] == 3).cumsum()

   time  val  sum_1  sum_2  sum_3
0     0    1      1      0      0
1     1    1      2      0      0
2     2    2      2      1      0
3     3    3      2      1      1
4     4    1      3      1      1
5     5    2      3      2      1

但是，此代码会计算条件的每次出现。例如，val 显示 1 总共出现了 3 次。但是，我想将连续出现的 1 视为一个组，仅计算连续出现的分组数。在上面的示例中，1 总共出现了 3 次，但作为连续分组只出现了 2 次。

Answer 1

您可以通过 & 链接掩码进行按位 AND，通过比较 Series.ne 的移位值来测试第一个连续值。与 Series.shift并运行代码来测试列 val 的所有唯一值:

uniq = df['val'].unique()
m = df['val'].ne(df['val'].shift())

for c in uniq:
    df[f'sum_{c}'] = (df['val'].eq(c) & m).cumsum()
print (df)
    time  val  sum_1  sum_2  sum_3
0      0    1      1      0      0
1      1    1      1      0      0
2      2    2      1      1      0
3      3    3      1      1      1
4      4    1      2      1      1
5      5    2      2      2      1
6      6    3      2      2      2
7      7    3      2      2      2
8      8    3      2      2      2
9      9    3      2      2      2
10    10    1      3      2      2
11    11    1      3      2      2

为了获得更好的性能(我希望)，这里有 numpy 替代方案:

a = df['val'].to_numpy()
uniq = np.unique(a)
m = np.concatenate(([False], a[:-1])) != a

arr = np.cumsum((a[:, None] == uniq) & m[:, None], axis=0)

df = df.join(pd.DataFrame(arr, index=df.index, columns=uniq).add_prefix('sum_'))
print (df)
    time  val  sum_1  sum_2  sum_3
0      0    1      1      0      0
1      1    1      1      0      0
2      2    2      1      1      0
3      3    3      1      1      1
4      4    1      2      1      1
5      5    2      2      2      1
6      6    3      2      2      2
7      7    3      2      2      2
8      8    3      2      2      2
9      9    3      2      2      2
10    10    1      3      2      2
11    11    1      3      2      2