python - 在 Pandas 数据框中找到条纹

Question

我有一个 Pandas 数据框如下:

time    winner  loser   stat
1       A       B       0
2       C       B       0
3       D       B       1
4       E       B       0
5       F       A       0
6       G       A       0
7       H       A       0
8       I       A       1

每一行是一个匹配结果。第一列是比赛时间，第二列和第三列包含赢家/输家，第四列是比赛的一个统计数据。

我想检测每个失败者的此统计数据的零条纹。

预期的结果应该是这样的:

time    winner  loser   stat    streak
1       A       B       0       1
2       C       B       0       2
3       D       B       1       0
4       E       B       0       1
5       F       A       0       1
6       G       A       0       2
7       H       A       0       3
8       I       A       1       0

在伪代码中，算法应该像这样工作:

• .groupby 失败者 列。
• 然后遍历每个失败者组的每一行
• 在每一行中，查看 stat 列:如果它包含 0，则将上一行的 streak 值增加 0。如果不为0，则开始新的streak，即将0放入streak列。

所以 .groupby 就很清楚了。但是然后我需要某种 .apply 我可以在其中查看前一行？这就是我被困的地方。

Answer 1

您可以 apply自定义函数 f，然后是 cumsum , cumcount和 astype :

def f(x):
    x['streak'] = x.groupby( (x['stat'] != 0).cumsum()).cumcount() + 
                  ( (x['stat'] != 0).cumsum() == 0).astype(int) 
    return x

df = df.groupby('loser', sort=False).apply(f)
print df
   time winner loser  stat  streak
0     1      A     B     0       1
1     2      C     B     0       2
2     3      D     B     1       0
3     4      E     B     0       1
4     5      F     A     0       1
5     6      G     A     0       2
6     7      H     A     0       3
7     8      I     A     1       0

为了更好的理解:

def f(x):
    x['c'] = (x['stat'] != 0).cumsum()
    x['a'] = (x['c'] == 0).astype(int)
    x['b'] = x.groupby( 'c' ).cumcount()

    x['streak'] = x.groupby( 'c' ).cumcount() + x['a']

    return x
df = df.groupby('loser', sort=False).apply(f)
print df
   time winner loser  stat  c  a  b  streak
0     1      A     B     0  0  1  0       1
1     2      C     B     0  0  1  1       2
2     3      D     B     1  1  0  0       0
3     4      E     B     0  1  0  1       1
4     5      F     A     0  0  1  0       1
5     6      G     A     0  0  1  1       2
6     7      H     A     0  0  1  2       3
7     8      I     A     1  1  0  0       0