python Pandas : group by condition on rows

Question

我有一个大的 pandas 数据框，我试图从中为某些行形成对。

我的 df 如下所示:

object_id increment location event
        0         1        d     A
        0         2        d     B
        0         3        z     C
        0         4        g     A
        0         5        g     B
        0         6        i     C
        1         1        k     A
        1         2        k     B
      ...       ...      ...  ...

对象 ID 描述特定对象。Increment 是每次发生某事时都会递增的值(以跟踪顺序)，location 是该事件发生的位置。最后一列是事件类型。

现在，我想将这些事件分组为有时(但并非总是)当 A 发生在某个位置时，B 在此之后发生，然后 C 是一个完全不同的事件，可以忽略。但我只想在位置相同、对象 ID 相同以及事件紧随其后列出时将它们分组在一起(因此增量应该仅相差 1)。

现在的问题是，对于同一个对象，这些事件和增量数字有时会再次从零开始。因此，我只想当它们在数据框中精确地位于彼此之后时对它们进行分组(因此组最多应包含两个条目)。我真的很难做到这一点，因为在 groupby 函数中没有比较行的选项。

有什么建议我应该尝试什么方向吗？

编辑:我正在寻找的输出正在形成以下形式的组:

group_id object_id increment location event
       0         0         1        d     A
       0         0         2        d     B
       1         0         3        z     C
       2         0         4        g     A
       2         0         5        g     B
       3         0         6        i     C
       4         1         1        k     A
       4         1         2        k     B
     ...       ...       ...      ...   ...

因此，仅当该对的“第一个”条目具有事件 A 和某个增量值 x，并且“第二”条目具有事件 B 和增量值 x+1，并且因此是同一序列的一部分时，才形成组。希望这能澄清我的问题!

Answer 1

您的问题不太清楚，因此在这个问题中您可能需要处理 if 语句中的条件，但这可能会对您有所帮助。

数据框设置:

import pandas as pd
d = {'object_id': [0,0,0,0], 'increment': [1,2,3,4],
     'location': ['d', 'd', 'z', 'g'], 'event': ['A', 'B', 'C', 'A']}
df = pd.DataFrame(data=d)

让我们创建一个列表来保存位置相同的索引。此外，您应该以适合您的方式添加条件，但您的问题并不清楚。从那里您可以运行以下函数:

lst = []
def functionGrouping(dataset):
    for i in range(len(df)-1):
        if df['event'].iloc[i+1] == 'C':
            i = i + 1
        else:
            if df['location'].iloc[i+1] == df['location'].iloc[i] and df['object_id'].iloc[i+1] == df['object_id'].iloc[i]:
                df['increment'].iloc[i+1] = df['increment'].iloc[i+1]  + df['increment'].iloc[i] 
                lst.append([i])

functionGrouping(df)

然后从那里删除您在函数中汇总的行。

for i in range(len(lst)):
    df=df.drop(df.index[i])

我希望这对您有所帮助，但是您的问题不太清楚。对于将来的问题，请简化您的问题并包含所需输出的示例。