python - 计算 lambda 函数中上述出现的次数

Question

我有一个数据框 df ，其中包含 X 列。我想从 X 中创建一个新列 Y

如果同一行中的 X 为 1，并且上面的 0(也在 X 中)应至少为 n(变量)计数，则 Y 应为 1。如果上面的零小于n，则结果应为“”Y。我尝试了(小时)np.where，但没有成功。我想我需要一个 lambda 函数，但不知道如何开始或研究。

示例 n = 4:

在日期 2018-01-25，结果为 1，因为 X 为 1，并且上面的 0 大于 4。

在 2018 年 1 月 25 日，结果为“”，因为 0 仅高于 3(而不是 4)

 Dates        X    Y (like it should be...)
2018-01-02    0
2018-01-03    0
2018-01-04    0
2018-01-05    0
2018-01-08    0
2018-01-09    0
2018-01-10    0
2018-01-11    0
2018-01-12    0
2018-01-15    0
2018-01-16    0
2018-01-17    0
2018-01-18    0
2018-01-19    0
2018-01-22    0
2018-01-23    0
2018-01-24    0
2018-01-25    1  1
2018-01-29    0  
2018-01-30    0  
2018-01-31    0  
2018-02-02    1  
2018-02-05    0  
2018-02-06    0
2018-02-07    0
2018-02-08    0
2018-02-09    1  1
2018-02-12    1
2018-02-13    0

Answer 1

我们可以groupby临时列，然后应用条件cumsum + cumcount进行某些条件匹配。

s = (df.assign(var1='x').groupby('var1')['X']
            .apply(lambda x : x.ne(x.shift()).ne(0).cumsum()))
# create a temp variable.

df['Count']=df.groupby([df.X,s]).cumcount()+1 # add a Count column.

matches = df.iloc[df.loc[(df['X'] == 1)].index - 1].loc[df['Count'] >= 4].index 
# find the index matches and check if the previous row has +4 or more matches

df.loc[matches + 1,'Y'] = 1 # Create your Y column.

df.drop('Count',axis=1,inplace=True) # Drop the Count Column. 

print(df[df['Y'] == 1]) # print df
    Dates  X    Y
17  2018-01-25  1  1.0
26  2018-02-09  1  1.0