python - 如何检测 DataFrame 中某些值的连续性？

Question

在 Python DataFrame 中，我想检测一行中 False 值 block 的开始和结束位置。如果该 block 仅包含一个 False，我想获得该位置。

例子:

df = pd.DataFrame({"a": [True, True, True,False,False,False,True,False,True],})
In[110]: df
Out[111]: 
       a
0   True
1   True
2   True
3  False
4  False
5  False
6   True
7  False
8   True

在这个例子中，我想获得位置

`3`, `5`

和

`7`, `7`.

Answer 1

使用:

a = (df.a.cumsum()[~df.a]
         .reset_index()
         .groupby('a')['index']
         .agg(['first','last'])
         .values
         .tolist())
print(a)
[[3, 5], [7, 7]]

解释:

先通过cumsum得到累计和- 获取所有 False 唯一组:

print (df.a.cumsum())
0    1
1    2
2    3
3    3
4    3
5    3
6    4
7    4
8    5
Name: a, dtype: int32

仅过滤 False 行 boolean indexing使用反转 bool 列:

print (df.a.cumsum()[~df.a])
3    3
4    3
5    3
7    4
Name: a, dtype: int32

根据 reset_index 的索引创建列:

print (df.a.cumsum()[~df.a].reset_index())
   index  a
0      3  3
1      4  3
2      5  3
3      7  4

每个组按 agg 聚合函数 first和 last :

print (df.a.cumsum()[~df.a].reset_index().groupby('a')['index'].agg(['first','last']))
   first  last
a             
3      3     5
4      7     7

最后转换为嵌套的 list:

print (df.a.cumsum()[~df.a].reset_index().groupby('a')['index'].agg(['first','last']).values.tolist())
[[3, 5], [7, 7]]