如何計算連續條件為真的次數？

Question

A列的每一行都與上次COND True時的A值進行比較，如果小於它，則滿足條件，並累加計數。 停止計數，直到大於或等於。

輸入：

import pandas as pd
A=[28,30,15,25,24,13,31,19,20,11,19,21]
COND=[False,True,False,False,False,False,False,False,True,False,False,False]
df=pd.DataFrame({'A':A,'COND':COND})

預計 Output

    A   COND    expected
0   28  FALSE   0
1   30  TRUE    0
2   15  FALSE   1
3   25  FALSE   2
4   24  FALSE   3
5   13  FALSE   4
6   31  FALSE   0
7   19  FALSE   0
8   20  TRUE    0
9   11  FALSE   1
10  19  FALSE   2
11  21  FALSE   0

Answer 1

為了達到這個結果，您需要遍歷列表以確定輸出值。

首先分配一些基本變量：

expected = []
lastTrue = None
count = 0

這些將在整個循環中進行修改。 接下來，循環並測試每個條件。

循環遍歷數字：

for i in range(len(A)):
    num = A[i]

測試條件是否為真； 如果是，保存數字並重置計數：

if COND[i]:  # If True, save the number and reset count
    lastTrue = num
    count = 0

檢查是否已找到 True 值：

elif lastTrue is None:  # If haven't found a True value yet, pass
    pass

根據最后一個真實數字測試該數字以確定 output：

elif num < lastTrue:  # If less than the last True value, increment count
    count += 1
else:  # If larger than or equal to, reset count
    count = 0
    lastTrue = None

將當前計數添加到列表中：

expected.append(count)

現在您需要做的就是添加列並打印 output。

最終代碼：

import pandas as pd
A=[28,30,15,25,24,13,31,19,20,11,19,21]
COND=[False,True,False,False,False,False,False,False,True,False,False,False]

expected = []
lastTrue = None
count = 0
for i in range(len(A)):
    num = A[i]
    if COND[i]:  # If True, save the number and reset count
        lastTrue = num
        count = 0
    elif lastTrue is None:  # If haven't found a True value yet, pass
        pass
    elif num < lastTrue:  # If less than the last True value, increment count
        count += 1
    else:  # If larger than or equal to, reset count
        count = 0
        lastTrue = None
    expected.append(count)

df=pd.DataFrame({'A':A,'COND':COND,'EXPECTED':expected})
print(df)

Output：

      A   COND  EXPECTED
 0   28  False         0
 1   30   True         0
 2   15  False         1
 3   25  False         2
 4   24  False         3
 5   13  False         4
 6   31  False         0
 7   19  False         0
 8   20   True         0
 9   11  False         1
 10  19  False         2
 11  21  False         0

Answer 2

這是一個老問題，你已經有了答案。 但我想我從“在 Pandas 框架內”添加了一個答案（即避免對 dataframe 行進行顯式迭代）。

你可以試試：

df["Res"] = df.groupby(df["COND"].cumsum()).agg(
    Res=("COND", "cumcount"), A_cummax=("A", "cummax")
).assign(
    A_first=df["A"].where(df["COND"]).ffill().fillna(df["A"]),
    Res=lambda df: df["Res"].where(df["A_cummax"] <= df["A_first"], 0)
)["Res"]

• df["COND"].cumsum()標識您要處理的組，因此對其進行分組是第一步。
• 然后通過.agg()添加兩列： (1) Res build by .cumcount()幾乎是您正在尋找的結果，但必須進行一些調整。 (2) 輔助列A_cummax 。
• 然后添加第二個輔助列A_first來標識相應的。 第A值。 dataframe 現在看起來像：

   Res A_cummax A_first 0 0 28 28.0 1 0 30 30.0 2 1 30 30.0 3 2 30 30.0 4 3 30 30.0 5 4 30 30.0 6 5 31 30.0 7 6 31 30.0 8 0 20 20.0 9 1 20 20.0 10 2 20 20.0 11 3 21 20.0

• 最后基於 2 個輔助列對Res進行調整：超過第一個A值后的零點。

您的示例的結果與預期的一樣：

     A   COND  Res
0   28  False    0
1   30   True    0
2   15  False    1
3   25  False    2
4   24  False    3
5   13  False    4
6   31  False    0
7   19  False    0
8   20   True    0
9   11  False    1
10  19  False    2
11  21  False    0