在一列 pandas dataframe 中的 groupby 連續數字

Question

這是我的 dataframe：

import pandas as pd

df = pd.DataFrame(
    {
        'a': [0, 0, 1, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 1, 0, 0, 0, 0, 0],
        'b': [0, 0, 1, 1, 1, 1, 0, 0, 1, 0, 1, 0, 0, 1, 1, 1, 0, 1, 0]
    }
)

這就是我想要分組的方式：

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

9   1  0
10  0  1

13  1  1
14  0  1
15  0  1
16  0  0
17  0  1

我想根據 b 列的值對這個 dataframe 進行分組。 首先要做的是在 a 列中找到 1。 然后我想繼續，只要 b 列中有 0，然后也得到 0 之后的行。 如果 a 中的值為 1 而 b 中的值為 0 我只想繼續一行。 基本上我想在 b 列中有 0 時立即停止，然后在 0 之后的一行中停止 go。

我已經嘗試過這兩個帖子： post1 ， post2但仍然有問題要解決這個問題。

我試圖將它們分組： df.b.diff().cumsum()但它沒有給我我想要的

Answer 1

使用cumsum創建一個用於過濾/分組的輔助系列，然后使用 boolean 掩碼對每個組進行子過濾：

group = df['a'].cumsum()

for k, g in df[group>0].groupby(group):
    # drop rows 2 places after the first 0
    m = g['b'].ne(0).cummin().shift(2, fill_value=True)
    print(g[m])

Output：

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

    a  b
9   1  0
10  0  1

    a  b
13  1  1
14  0  1
15  0  1
16  0  0
17  0  1

作為單個 dataframe：

運行上述和concat ，或者：

group = df['a'].cumsum()
m = df['b'].ne(0).groupby(group).apply(lambda x: x.cummin().shift(2, fill_value=True))

out = df[group.gt(0)&m]

Output：

    a  b
2   1  1
3   0  1
4   0  1
5   0  1
6   0  0
7   0  0
9   1  0
10  0  1
13  1  1
14  0  1
15  0  1
16  0  0
17  0  1