如何计算到 pandas 系列中前一个零的距离？

Question

我有以下 pandas 系列（表示为列表）：

[7,2,0,3,4,2,5,0,3,4]

我想定义一个新系列，将距离返回到最后一个零。 这意味着我想要以下 output：

[1,2,0,1,2,3,4,0,1,2]

如何以最有效的方式在 pandas 中做到这一点？

Answer 1

复杂度是O(n) 。 在 python 中执行for循环会减慢它的速度。 如果系列中有k零，并且log k与系列的长度相比可以忽略不计，则O(n log k)解决方案将是：

>>> izero = np.r_[-1, (ts == 0).nonzero()[0]]  # indices of zeros
>>> idx = np.arange(len(ts))
>>> idx - izero[np.searchsorted(izero - 1, idx) - 1]
array([1, 2, 0, 1, 2, 3, 4, 0, 1, 2])

Answer 2

Pandas 中的解决方案有点棘手，但可能如下所示（ s是您的系列）：

>>> x = (s != 0).cumsum()
>>> y = x != x.shift()
>>> y.groupby((y != y.shift()).cumsum()).cumsum()
0    1
1    2
2    0
3    1
4    2
5    3
6    4
7    0
8    1
9    2
dtype: int64

对于最后一个步骤，这里使用了“itertools.groupby”配方在大熊猫食谱这里。

Answer 3

有时令人惊讶的是，使用Cython为这些东西获得类似 c 的速度是多么简单。 假设您的列的.values给出arr ，则：

cdef int[:, :, :] arr_view = arr
ret = np.zeros_like(arr)
cdef int[:, :, :] ret_view = ret

cdef int i, zero_count = 0
for i in range(len(ret)):
    zero_count = 0 if arr_view[i] == 0 else zero_count + 1
    ret_view[i] = zero_count

请注意类型化内存视图的使用，它们非常快。 您可以使用@cython.boundscheck(False)来进一步加速它使用它装饰一个函数。

Answer 4

一个可能不那么高效（还没有真正检查过）但在步骤方面更容易理解（至少对我而言）的解决方案是：

df = pd.DataFrame({'X': [7, 2, 0, 3, 4, 2, 5, 0, 3, 4]})
df

df['flag'] = np.where(df['X'] == 0, 0, 1)
df['cumsum'] = df['flag'].cumsum()
df['offset'] = df['cumsum']
df.loc[df.flag==1, 'offset'] = np.nan
df['offset'] = df['offset'].fillna(method='ffill').fillna(0).astype(int)
df['final'] = df['cumsum'] - df['offset']

df

Answer 5

另外一个选项

df = pd.DataFrame({'X': [7, 2, 0, 3, 4, 2, 5, 0, 3, 4]})
zeros = np.r_[-1, np.where(df.X == 0)[0]]

def d0(a):
    return np.min(a[a>=0])
    
df.index.to_series().apply(lambda i: d0(i - zeros))

或者使用纯 numpy

df = pd.DataFrame({'X': [7, 2, 0, 3, 4, 2, 5, 0, 3, 4]})
a = np.arange(len(df))[:, None] - np.r_[-1 , np.where(df.X == 0)[0]][None]

np.min(a, where=a>=0, axis=1, initial=len(df))

Answer 6

也许 pandas 不是@behzad.nouri 的回答中的最佳工具，但这是另一种变体：

df = pd.DataFrame({'X': [7, 2, 0, 3, 4, 2, 5, 0, 3, 4]})

z = df.ne(0).X
z.groupby((z != z.shift()).cumsum()).cumsum()

0    1
1    2
2    0
3    1
4    2
5    3
6    4
7    0
8    1
9    2
Name: X, dtype: int64

Answer 7

另一种方法是使用 Numpy accumulate来做到这一点。 唯一的问题是，要将计数器初始化为零，您需要在系列值前面插入一个零。

import numpy as np

# Define Python function
f = lambda a, b: 0 if b == 0 else a + 1

# Convert to Numpy ufunc
npf = np.frompyfunc(f, 2, 1)

# Apply recursively over series values
x = npf.accumulate(np.r_[0, s.values])[1:]

print(x)

array([1, 2, 0, 1, 2, 3, 4, 0, 1, 2], dtype=object)

Answer 8

这是一种不使用 groupby 的方法：

((v:=pd.Series([7,2,0,3,4,2,5,0,3,4]).ne(0))
.cumsum()
.where(v.eq(0)).ffill().fillna(0)
.rsub(v.cumsum())
.astype(int)
.tolist())

Output：

[1, 2, 0, 1, 2, 3, 4, 0, 1, 2]