如何按条件聚合表？答案

【问题标题】：How to aggregate table by conditions?如何按条件聚合表？
【发布时间】：2021-10-03 05:01:41
【问题描述】：

我有一个按键和时间排序的表格，然后添加了一个指标：

Key	Time	Value	Indicator
A	2021-01-01 00:00	10.0	Y
A	2021-01-01 00:15	20.0	Y
A	2021-01-01 00:30	30.0	N
A	2021-01-01 00:45	10.0	Y
A	2021-01-01 01:00	10.0	Y
A	2021-01-01 01:15	5.0	Y
B	2021-01-01 00:00	10.0	Y
B	2021-01-01 00:15	10.0	Y
B	2021-01-01 00:30	0.0	N
B	2021-01-01 00:45	-30.0	N
C	2021-01-01 00:00	10.0	Y
C	2021-01-01 00:15	70.0	N
C	2021-01-01 00:30	10.0	Y
C	2021-01-01 00:45	25.0	Y
C	2021-01-01 01:00	5.0	Y

我想添加一个带数字的索引，跳过“N”。如果指标连续等于“Y”，则同一键内的索引从 1 开始，结果：

Key	Time	Value	Indicator	Index
A	2021-01-01 00:00	10.0	Y	1
A	2021-01-01 00:15	20.0	Y	1
A	2021-01-01 00:30	30.0	N
A	2021-01-01 00:45	10.0	Y	2
A	2021-01-01 01:00	10.0	Y	2
A	2021-01-01 01:15	5.0	Y	2
B	2021-01-01 00:00	10.0	Y	1
B	2021-01-01 00:15	10.0	Y	1
B	2021-01-01 00:30	0.0	N
B	2021-01-01 00:45	-30.0	N
C	2021-01-01 00:00	10.0	Y	1
C	2021-01-01 00:15	70.0	N
C	2021-01-01 00:30	10.0	Y	2
C	2021-01-01 00:45	25.0	Y	2
C	2021-01-01 01:00	5.0	Y	2

我怎样才能得到这个结果？非常感谢！

【问题讨论】：

到目前为止你尝试了什么？
我是 python 新手，所以我不知道如何添加数字列..

标签： python pandas date datetime

【解决方案1】：

你可以使用：

mask = df['Indicator'].eq('Y')
mask2 = mask.groupby(df['Key']).shift(fill_value=False)

df['Index'] = ((mask & ~mask2))
               .groupby(df['Key'])
               .cumsum()
               .where(mask)
               .convert_dtypes()
               )

输出：

   Key              Time  Value Indicator  Index
0    A  2021-01-01 00:00   10.0         Y      1
1    A  2021-01-01 00:15   20.0         Y      1
2    A  2021-01-01 00:30   30.0         N   <NA>
3    A  2021-01-01 00:45   10.0         Y      2
4    A  2021-01-01 01:00   10.0         Y      2
5    A  2021-01-01 01:15    5.0         Y      2
6    B  2021-01-01 00:00   10.0         Y      1
7    B  2021-01-01 00:15   10.0         Y      1
8    B  2021-01-01 00:30    0.0         N   <NA>
9    B  2021-01-01 00:45  -30.0         N   <NA>
10   C  2021-01-01 00:00   10.0         Y      1
11   C  2021-01-01 00:15   70.0         N   <NA>
12   C  2021-01-01 00:30   10.0         Y      2
13   C  2021-01-01 00:45   25.0         Y      2
14   C  2021-01-01 01:00    5.0         Y      2

【讨论】：