根据熊猫中的前后行计算一行中的值

Question

我有以下数据框：

 p l w s_w  v
 1 1 1  1   2
 1 1 2  1   2
 1 1 3  0   5
 1 1 4  1   5
 1 1 5  1   5
 2 1 1  1   1
 2 1 2  0   2
 2 1 3  0   3
 2 1 4  0   4
 2 1 5  1   5
 2 1 6  1   4

我想要一个新专栏 如果 s_w 的值为 1，则在每一行中， 它的值是前两行中的 sum(v)（不一定是连续的），其中 s_w==1 和 sum(v) 用于随后的两行（不一定是连续的），同样是 s_w==1 所以 sum(v) + sum(v)。

我对中间的任何数量的零都不感兴趣

所以结果数据框看起来像这样：

 p l w s_w  v  c_s
 1 1 1  1   2   Null
 1 1 2  1   2   Null
 1 1 3  0   5   Null
 1 1 4  1   5   10
 1 1 5  1   5   13
 2 1 1  1   1   19
 2 1 2  0   2  Null
 2 1 3  0   3  Null
 2 1 4  0   4  Null
 2 1 5  1   5  Null
 2 1 6  1   4  Null

最后两行的值将为 Null，因为它们之后没有两个 1（n 换句话说，只有在前后行中有两个 1 时才前后求和（不一定连续，否则为 Null）

对原始问题的新编辑：

对于每组 P,l 如果只有检查列中的值为 1，则在 s_w 列和前两行的 sum(v) 中找到上述模式，其中 s_w==1 （不一定是连续的）并且也求和(v) 以下两行，其中 s_w==1（不一定连续）

 p l w s_w check v
 1 1 1  1     0   2
 1 1 2  1     0   2
 1 1 3  0     0   5
 1 1 4  1     0   5
 1 1 5  1     1   5
 2 1 1  1     0   1
 2 1 2  0     0   2
 2 1 3  0     0   3
 2 1 4  0     0   4
 2 1 5  1     0   5
 2 1 6  1     0   4

Answer 1

想法是使用1 过滤行并使用带有移位值的rolling sum 进行正确对齐：

s = df.loc[df['s_w'].eq(1), 'v']

df['c_s'] = s.rolling(2).sum().shift().add(s.iloc[::-1].rolling(2).sum().shift())
print (df)
    p  l  w  s_w  v   c_s
0   1  1  1    1  2   NaN
1   1  1  2    1  2   NaN
2   1  1  3    0  5   NaN
3   1  1  4    1  5  10.0
4   1  1  5    1  5  13.0
5   2  1  1    1  1  19.0
6   2  1  2    0  2   NaN
7   2  1  3    0  3   NaN
8   2  1  4    0  4   NaN
9   2  1  5    1  5   NaN
10  2  1  6    1  4   NaN

另一个想法：

df['c_s'] = s.shift(-1).add(s.shift(-2)).add(s.shift(2)).add(s.shift(1))

编辑：

每组解决方案：

s = df[df['s_w'].eq(1)]

f = lambda x: x.rolling(2).sum().shift()
df['c_s'] = s.groupby(['p','l'])['v'].apply(f).add(s.iloc[::-1].groupby(['p','l'])['v'].apply(f))

---

g = df[df['s_w'].eq(1)].groupby(['p','l'])['v']
df['c_s'] = g.shift(-1).add(g.shift(-2)).add(g.shift(2)).add(g.shift(1))