如何计算数据框python中特定值之前的出现次数？答案

【问题标题】：How to count the number of occurences before a particular value in dataframe python?如何计算数据框python中特定值之前的出现次数？
【发布时间】：2020-01-15 10:15:00
【问题描述】：

我有一个如下的数据框：

我想要df['B'] 在以下条件下出现的零的数量：

if(df['B']<df['C']):
  #count number of zeroes in df['B'] until it sees 1.

预期输出：

A   B   C  output
1   1   1   Nan
2   0   1   1
3   0   0   Nan
4   1   0   Nan
5   0   1   1
6   0   1   0
7   1   0   Nan

我不知道如何制定计数部分。非常感谢任何帮助

【问题讨论】：

标签： python pandas dataframe cumsum

【解决方案1】：

在您的反向系列上使用一些掩蔽和 groupby。这假设二进制数据（只有 0 和 1）

m = df['B'][::-1].eq(0)
d = m.groupby(m.ne(m.shift()).cumsum()).cumsum().sub(1)
d[::-1].where(df['B'] < df['C'])

0    NaN
1    1.0
2    NaN
3    NaN
4    1.0
5    0.0
6    NaN
Name: B, dtype: float64

还有一种基于numpy 的快速方法

def zero_until_one(a, b):
    n = a.shape[0]    
    x = np.flatnonzero(a < b)
    y = np.flatnonzero(a == 1)    
    d = np.searchsorted(y, x)
    r = y[d] - x - 1
    out = np.full(n, np.nan)
    out[x] = r   
    return out

zero_until_one(df['B'], df['C'])

array([nan,  1., nan, nan,  1.,  0., nan])

性能

df = pd.concat([df]*10_000)

%timeit chris1(df)
19.3 ms ± 348 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

%timeit yatu(df)
12.8 ms ± 54.3 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

%timeit zero_until_one(df['B'], df['C'])
2.32 ms ± 31.3 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

【讨论】：

numpy 函数的好主意，只是猜测 numba 可能更快

【解决方案2】：

IIUC 的一种方法是使用自定义分组器并与 groupby.cumcount 聚合：

c1 = df.B.lt(df.C)
g = df.B.eq(1).cumsum()
df['out'] = c1.groupby(g).cumcount(ascending=False).shift().where(c1).sub(1)

print(df)

   A  B  C  out
0  1  1  1  NaN
1  2  0  1  1.0
2  3  0  0  NaN
3  4  1  0  NaN
4  5  0  1  1.0
5  6  0  1  0.0
6  7  1  0  NaN

【讨论】：

【解决方案3】：

让我们推入一行

df.groupby(df.B.iloc[::-1].cumsum()).cumcount(ascending=False).shift(-1).where(df.B<df.C)
Out[80]: 
0    NaN
1    1.0
2    NaN
3    NaN
4    1.0
5    0.0
6    NaN
dtype: float64

【讨论】：