python - Pandas 按开始/结束值分组

Question

给定一些数据，例如

pd.DataFrame(list('SxxxxxxxxESxxxxESxxxxxxxxxxxxE'))

如何将其分成以“S”开头并以“E”结尾的 block ？

真实的数据当然更复杂，有一列包含如上所述的数据，而其他列我想使用groupby。

最终目标是能够检索并处理所有符合其他列标准的 S/E 分隔 block (例如，给定执行此操作的神话函数 group_chunks，myData. groupby('Person').group_chunks().Value.sum()).

更新

响应对更真实的数据和所需输出的请求，数据如下所示:

df = pd.DataFrame({'PID': [1]*12+[2]*6,
                   'Cond': ['A']*6+['B']*6+['A']*6,
                   'Flag': ['START', 'DOWN', 'MOVE', 'MOVE', 'LIFT', 'END']*3, 
                   'Value': np.random.random(18)})

   Cond   Flag  PID     Value
0     A  START    1  0.156338
1     A   DOWN    1  0.706541
2     A   MOVE    1  0.569177
3     A   MOVE    1  0.308874
4     A   LIFT    1  0.150780
5     A    END    1  0.553462
6     B  START    1  0.028738
7     B   DOWN    1  0.512303
8     B   MOVE    1  0.975988
9     B   MOVE    1  0.735695
10    B   LIFT    1  0.094430
11    B    END    1  0.467895
12    A  START    2  0.114679
13    A   DOWN    2  0.911095
14    A   MOVE    2  0.359117
15    A   MOVE    2  0.819148
16    A   LIFT    2  0.505313
17    A    END    2  0.874462

因此，使用神秘的 group_chunks (并记住 START 和 END 之间的行数并不总是相同)，我想要做类似的事情

df.groupBy('PID').group_chunks('Flag', 'START', 'END').Value.sum()

得到类似的结果

   Cond   PID   Value.sum
0     A     1    2.445172
1     B     1    2.347153
2     A     2    3.583813

Answer 1

这是一个使用 numpy 的选项。它至少应该让您朝着正确的方向开始。为了方便和可读性，我将您的专栏命名为“SE”:

df = pd.DataFrame(list('SxxxxxxxxESxxxxESxxxxxxxxxxxxE'), columns=['SE'])

split_points = np.where(df['SE'] == 'E')[0] + 1 # array of after-"E" indices
found = np.array_split(df['data'], split_points) # split series
found = found[:-1] # remove the empty series at the end of the list