python - Pandas :根据条件计数分组

Question

我正在尝试根据每次不再满足条件时重置的累进计数对 Pandas (Python2.7) 中的数据帧进行分组。看起来像:

date                      condition        count   
01,01,2018 08:00             A               1
01,01,2018 08:01             A               2
01,01,2018 08:03             A               3
01,01,2018 08:04             B               1
01,01,2018 08:07             B               2
01,01,2018 08:10             B               3
01,01,2018 08:13             B               4
01,01,2018 08:14             C               1
01,01,2018 08:16             C               2
01,01,2018 08:18             C               3
01,01,2018 08:20             C               4
01,01,2018 08:21             C               5
01,01,2018 08:22             A               1
01,01,2018 08:24             A               2
01,01,2018 08:25             B               1
01,01,2018 08:27             B               2
01,01,2018 08:29             B               3
01,01,2018 08:30             C               1

我正在尝试获取:

date                      condition        count   
01,01,2018 08:00             A               3
01,01,2018 08:04             B               4
01,01,2018 08:14             C               5
01,01,2018 08:22             A               2
01,01,2018 08:25             B               3
01,01,2018 08:30             C               1

如您所见，不可能仅按 A、B、C...分组，因为分组取决于条件正在变化这一事实，而不是条件本身。这就是我创建计数的原因，它可以帮助实现这一目的。我试过df2=df.groupby(['condition', 'date']).where(df['count']<df['count'].shift(1) , for周期...但我收到语法错误、定义错误或键错误，或“无法访问‘DataFrameGroupBy’对象的可调用属性‘where’，请尝试使用‘apply’方法”，以及许多其他错误，具体取决于尝试。

我希望你们中的一些人可以建议如何解决这个问题，在此先感谢您。

Answer 1

创建助手 Series 比较 shift通过 ne (!=) 使用 cumsum 编辑值然后按 agg 聚合与 first和 last :

g = df['condition'].ne(df['condition'].shift()).cumsum()
d = {'date':'first', 'condition':'first','count':'last'}
df = df.reset_index().groupby(g, as_index=False).agg(d)
print (df)
               date condition  count
0  01,01,2018 08:00         A      3
1  01,01,2018 08:04         B      4
2  01,01,2018 08:14         C      5
3  01,01,2018 08:22         A      2
4  01,01,2018 08:25         B      3
5  01,01,2018 08:30         C      1