Select 一個有效條件后一個 dataframe 中的行數

Question

我想 select 在驗證條件后指定行數：

• 這是我的 dataframe：

• 我想 select 在條目等於 1 之后的三列，所以對於第一次出現我會得到類似的東西：

• 如果我想研究每一個事件，也許是 groupby，我不知道最合適的 output 是什么？

Answer 1

首先刪除前0行1 ：

df = df[df['entry'].eq(1).cumsum().ne(0)]

df = df.groupby(df['entry'].cumsum()).head(4)
    Timestamp  entry
1        11.2      1
2        11.3      0
3        11.4      0
4        11.5      0
7        11.8      1
8        11.9      0
9        12.0      0
10       12.1      0

詳情及說明：

對於在第一次匹配之前刪除所有值的一般解決方案，使用 Series.eq 進行比較，然后通過Series.eq進行累積總和並通過Series.cumsum進行Series.ne - 因此在cumsum操作后過濾掉所有0值：

print (df.assign(comp1 = df['entry'].eq(1),
                 cumsum =df['entry'].eq(1).cumsum(),
                 mask = df['entry'].eq(1).cumsum().ne(0)))
    Timestamp  entry  comp1  cumsum   mask
0        11.1      0  False       0  False
1        11.2      1   True       1   True
2        11.3      0  False       1   True
3        11.4      0  False       1   True
4        11.5      0  False       1   True
5        11.6      0  False       1   True
6        11.7      0  False       1   True
7        11.8      1   True       2   True
8        11.9      0  False       2   True
9        12.0      0  False       2   True
10       12.1      0  False       2   True

通過boolean indexing過濾后，創建具有組累積sum的輔助Series ：

print (df['entry'].cumsum())
1     1
2     1
3     1
4     1
5     1
6     1
7     2
8     2
9     2
10    2
Name: entry, dtype: int64

因此，對於最終解決方案，使用具有4值的GroupBy.head來獲取具有1行和下 3 行的行：

df = df.groupby(df['entry'].cumsum()).head(4)
print (df)
    Timestamp  entry
1        11.2      1
2        11.3      0
3        11.4      0
4        11.5      0
7        11.8      1
8        11.9      0
9        12.0      0
10       12.1      0

---

對於按組循環使用：

for i, g in df.groupby(df['entry'].cumsum()): 
    print (g.head(4))

如果想要 DataFrame 的DataFrame列表：

L = [g.head(4) for i, g in df.groupby(df['entry'].cumsum())]