熊貓中二進制數據序列的條件長度

Question

具有帶有以下列的DataFrame：

df['A'] = [1,1,1,0,1,1,1,1,0,1]

通過某個極限值控制“ 1”系列長度的最佳矢量化方法是什么？ 假設限制為2，則結果列“ B”必須看起來像：

   A  B
0  1  1
1  1  1
2  1  0
3  0  0
4  1  1
5  1  1
6  1  0
7  1  0
8  0  0
9  1  1

Answer 1

一種完全矢量化的解決方案是使用shift - groupby - cumsum - cumcount組合¹來指示連續cumcount短於2的位置（或您喜歡的任何限制值）。 然后， &這種新的布爾系列與原列：

df['B'] = ((df.groupby((df.A != df.A.shift()).cumsum()).cumcount() <= 1) & df.A)\
          .astype(int) # cast the boolean Series back to integers

這將在DataFrame中產生新列：

   A  B
0  1  1
1  1  1
2  1  0
3  0  0
4  1  1
5  1  1
6  1  0
7  1  0
8  0  0
9  1  1

---

¹參見《 熊貓食譜》 ； 關於分組的部分，“像Python的itertools.groupby一樣進行分組”

Answer 2

另一種方法（檢查前兩個是否為1）：

In [443]: df = pd.DataFrame({'A': [1,1,1,0,1,1,1,1,0,1]})

In [444]: limit = 2

In [445]: df['B'] = map(lambda x: df['A'][x] if x < limit else int(not all(y == 1 for y in df['A'][x - limit:x])), range(len(df)))

In [446]: df
Out[446]: 
   A  B
0  1  1
1  1  1
2  1  0
3  0  0
4  1  1
5  1  1
6  1  0
7  1  0
8  0  0
9  1  1

Answer 3

如果您知道該系列中的值都為0或1 ，那么我想您可以使用涉及卷積的小技巧。 復制列（不必是Pandas對象，它可以只是普通的Numpy數組）

a = df['A'].as_matrix()

並將其與比所需cutoff長度長一的1序列進行卷積，然后切掉最后一個cutoff元素。 例如， cutoff值為2，您會這樣做

long_run_count = numpy.convolve(a, [1, 1, 1])[:-2]

在這種情況下，所得數組給出在該元素之前（包括該元素）的3個元素中出現的1的數目。 如果該數字為3，則說明您正在運行的長度超過了2。因此，只需將這些元素設置為零即可。

a[long_run_count > 2] = 0

現在，您可以將結果數組分配給DataFrame的新列。

df['B'] = a

要將其轉換為更通用的方法：

def trim_runs(array, cutoff):
    a = numpy.asarray(array)
    a[numpy.convolve(a, numpy.ones(cutoff + 1))[:-cutoff] > cutoff] = 0
    return a