找出pandas数据帧中事件的中间出现“0”和第一次出现的“1”

Question

嗨，我有一个pandas数据框，其中包含事件列和其他列。 我希望通过id和on group执行一个小组，我希望从所有继续0中取出2个记录我想找出一个继续5 0的模式可能更多但是它必须始终跟随1以及然后识别一组记录，即继续5 0，然后是接下来的1，然后得到中间行（这5个0的0中的0）记录，找出那些0之后的第1个并取出那一行。 但对于0s替换我应该重复5次或更多，然后从最后5次中间排。

简而言之：我想要0和1的集合，条件只取1的上面你找到的继续5 0或更多，如果这个模式是多次，那么采取一个模式得到两个记录每个id为0和1的

例如。

 import pandas as pd
 data={'id':[1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,
        2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2],
  'name': ['a','b','c','d','e','f','g','h','i','j','k','l','m','n'
          ,'o','p','q','r','s','t','a1','b1','c1','d1','e1','f1','g1','h1','i1','j1','k1','l1','m1','n1'
          ,'o1','p1','q1','r1','s1','t1','aa','bb','cc','dd','ee','ff',
          'gg','hh','ii','jj','kk','ll','mm','nn'
          ,'oo','pp','qq','rr','ss','tt','aa1','bb1','cc1','dd1','ee1','ff1',
          'gg1','hh1','ii1','jj1','kk1','ll1','mm1','nn1'
          ,'oo1','pp1','qq1','rr1','ss1','tt1'],
  'value':[0,0,1,0,0,0,0,0,0,1,1,0,0,0,0,0,1,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,
           0,0,0,0,0,0,0,1,0,1,1,0,0,0,0,0,1,0,0,0,0,0,0,0,0,0,0,1,0,0,0,0,0,0,0,0,0,0,0,0]}
 df=pd.DataFrame.from_dict(data)

作为输出，我希望每个id获得2个记录，一个用于0，一个用于1。 并且0行应该是5个或更多个连续0的中间记录。

预期的产出是：

    id  name    value

 16 1   q       0
 19 1   t       1

64  2   ee1     0
67  2   hh1     1

Answer 1

您可以使用数据透视表并为不同的值应用掩码。 首先我们应该按id ， value对分组：

df_grouped = df.reset_index().pivot_table(index=['id','value'],
                                          values='name',
                                          aggfunc=lambda x: ','.join(x)
                                          ).reset_index()


df_grouped['name'] = df_grouped['name'].str.split(',')

print(df_grouped)

   id  value             name
0   1      0  a,b,d,e,f,g,h,i
1   1      1              c,j
2   2      0        l,m,n,o,p
3   2      1    k,q,r,s,t,u,w

然后选择每个value==0的零value==0和id对并保持中间值：

mask_zeros = ((df_grouped['value']==0)*
              (df_grouped['name'].apply(len)>=5))
df_zeros = mask_zeros*df_grouped['name'].apply(
           lambda x: x[int(np.ceil(.5*len(x)))] 
                      if len(x)%2==1 
                      else x[int(.5*len(x))])
print(df_zeros)

0    f
1     
2    o
3     

并选择每个value==1的第一个名称value==1和id对：

mask_ones = (df_grouped['value']==1)
df_ones = mask_ones*df_grouped['name'].apply(
           lambda x: x[0] if len(x)>0 else None)

print(df_ones)

0     
1    c
2     
3    k

然后通过指定以下内容仅保留选定的名称：

 df_grouped['name'] = df_ones + df_zeros

 df_grouped = df_grouped.merge(df.reset_index(),
                               on=['name','value','id']
                               ).set_index('index')
 print(df_grouped)

       id  value name
index                
5       1      0    f
2       1      1    c
14      2      0    o
10      2      1    k

Answer 2

我打破了台阶

df['New']=df.value.diff().fillna(0).ne(0).cumsum()
df1=df.loc[df.value.eq(0)]
s1=df1.groupby(['id','New']).filter(lambda x : len(x)>=5 ).groupby('id').apply(lambda x : x.iloc[len(x)//2-1:len(x)//2+1] if len(x)%2==0 else x.iloc[[(len(x)+1)//2],:] ).reset_index(level=0,drop=True)
s2=df1.groupby(['id','New']).filter(lambda x : len(x)>=5 )
pd.concat([df.loc[s2.drop_duplicates(['id'],keep='last').index+1],s1]).sort_index()
Out[1995]: 
    id name  value  New
5    1    f      0    2
6    1    g      0    2
9    1    j      1    3
14   2    o      0    4
16   2    q      1    5