如何添加一个在 Pandas DataFrame 中的特定行开始和停止的计数器列？

Question

我在 Pandas 中有一个现有的 DataFrame，它有一列包含 3 个不同的值（Column1）。我希望能够创建一个列，以便它在每个“开始”处计算每一行，并在下一个“结束”（Column2）处停止计算。做这个的最好方式是什么？我不知道如何解决这个问题，输出是一个严格的要求。

样本输出：

    Column1    Column2
    0          0
    0          0
    0          0
    0          0
    Start      1
    0          2
    0          3
    0          4
    End        5
    0          0
    0          0
    0          0
    Start      1
    0          2
    End        3

Answer 1

mask + ffill

此答案假定 Start 出现在 DataFrame 之前 End 出现，否则填充会被反转。

---

col = df['Column1']

m = col.ne('Start') & col.shift().ne('End')

v = col.eq('Start').mask(m).ffill().fillna(0)

v.groupby(v.ne(v.shift()).cumsum()).cumsum()

0     0.0
1     0.0
2     0.0
3     0.0
4     1.0
5     2.0
6     3.0
7     4.0
8     5.0
9     0.0
10    0.0
11    0.0
12    1.0
13    2.0
14    3.0
Name: Column1, dtype: float64

---

说明

首先，找出任何不是开始或结束的值

>>> m
0      True
1      True
2      True
3      True
4     False
5      True
6      True
7      True
8      True
9     False
10     True
11     True
12    False
13     True
14     True
Name: Column1, dtype: bool

接下来，mask 任何无效值和ffill，这意味着Start 和End 之间的所有值都用1 填充

>>> v
0     0.0
1     0.0
2     0.0
3     0.0
4     1.0
5     1.0
6     1.0
7     1.0
8     1.0
9     0.0
10    0.0
11    0.0
12    1.0
13    1.0
14    1.0
Name: Column1, dtype: float64

最后，按连续重复值分组，cumsum。