在pandas中連續出現兩列值的Groupby

Question

我有一個具有這種結構的熊貓數據框：

ID    loc    start    end    a_cn   b_cn
A     1      123      123    1      1
A     1      125      125    1      1
A     1      235      235    1      1
A     1      456      456    2      0
A     1      556      556    2      0
A     1      586      586    2      1
A     1      596      596    2      1
A     1      676      676    1      1

我需要做的是能夠對a_cn和b_cn相同的連續行進行a_cn ，但如果存在“差距”則不行。 換句話說，上述數據上的組將是

第一組

A     1      123      123    1      1
A     1      125      125    1      1
A     1      235      235    1      1

第 2 組

A     1      456      456    2      0
A     1      556      556    2      0

第 3 組

A     1      586      586    2      1
A     1      596      596    2      1

第 4 組

A     1      676      676    1      1

單獨使用groupby行不通的，因為它會將前 3 行和最后一行組合在一起，這不是我想要的（我需要對start和end進行一些計算，因此它們必須保持有序）。

這個問題類似於如何在熊貓中連續出現重復項進行分組，但那里的解決方案僅適用於單列，我無法弄清楚如何使其同時適用於 2 列。

我也測試過

diff = (
    (df["a_cn"] != df["a_cn"].shift()) &
    (df["b_cn"] != df["b_cn"].shift())
).cumsum()

但它並沒有真正做到我想要的，因為它在第 3 組上跳閘，與前一組相比，該組具有相同的a_cn 。 作為一個非工作示例：

>>> diff

0    1
1    1
2    1
3    2
4    2
5    2
6    2
7    2

這顯然是不正確的。

Answer 1

你既可以用列比較DataFrame.ne為!=由兩列的轉移行，然后添加DataFrame.any如果真至少在一列中，最后添加的累積和測試：

diff = df[["a_cn","b_cn"]].ne(df[["a_cn","b_cn"]].shift()).any(axis=1).cumsum()
#alternative
diff = (df[["a_cn","b_cn"]] != df[["a_cn","b_cn"]].shift()).any(axis=1).cumsum()
print (diff)
0    1
1    1
2    1
3    2
4    2
5    3
6    3
7    4
dtype: int32

您的解決方案應該更改為| 對於按位OR ：

diff = (
    (df["a_cn"] != df["a_cn"].shift()) |
    (df["b_cn"] != df["b_cn"].shift())
).cumsum()
print (diff)
0    1
1    1
2    1
3    2
4    2
5    3
6    3
7    4
dtype: int32