识别值的连续出现

Question

我有这样的df：

Count
1
0
1
1
0
0
1
1
1
0

1如果两个或两个以上连续出现1inCount和a0如果没有连续出现，我想在新列中返回a
。因此，在新列中，每一行都将1基于该列中满足的此条件获得一个Count。我想要的输出将是：

Count  New_Value
1      0 
0      0
1      1
1      1
0      0
0      0
1      1
1      1 
1      1
0      0

我想我可能需要使用，itertools但是我一直在阅读，还没有发现我需要的东西。我希望能够使用此方法来计数任意数量的连续出现，而不仅仅是2。例如，有时我需要计算10次连续出现，在这里的示例中我只使用2次。

Answer 1

你可以：

df['consecutive'] = df.Count.groupby((df.Count != df.Count.shift()).cumsum()).transform('size') * df.Count

要得到：

   Count  consecutive
0      1            1
1      0            0
2      1            2
3      1            2
4      0            0
5      0            0
6      1            3
7      1            3
8      1            3
9      0            0

在这里，您可以设置任何阈值：

threshold = 2
df['consecutive'] = (df.consecutive > threshold).astype(int)

要得到：

   Count  consecutive
0      1            0
1      0            0
2      1            1
3      1            1
4      0            0
5      0            0
6      1            1
7      1            1
8      1            1
9      0            0

或者，只需一步即可：

(df.Count.groupby((df.Count != df.Count.shift()).cumsum()).transform('size') * df.Count >= threshold).astype(int)

在效率方面，pandas当问题的规模变大时，使用方法可以显着提高速度：

 df = pd.concat([df for _ in range(1000)])

%timeit (df.Count.groupby((df.Count != df.Count.shift()).cumsum()).transform('size') * df.Count >= threshold).astype(int)
1000 loops, best of 3: 1.47 ms per loop

相比：

%%timeit
l = []
for k, g in groupby(df.Count):
    size = sum(1 for _ in g)
    if k == 1 and size >= 2:
        l = l + [1]*size
    else:
        l = l + [0]*size    
pd.Series(l)

10 loops, best of 3: 76.7 ms per loop