python - ( Pandas )如何计算与以前相同的值出现的频率？ (并从中提取一个新的列)

Question

我正在寻找一种从我的 Pandas Dataframe 中提取新列的方法，该列显示了当前值与以前相同(没有中断)出现的频率计数

例如从像这样的专栏中出来:

df = pd.DataFrame([10, 10, 23, 23, 9, 9, 9, 10, 10, 10, 10, 12], columns=['RiseOrFall'])

应提取以下列:

0
1
0
1
0
1
2
0
1
2
3
0

几年前用户发布的类似内容:

df = df.groupby(df['RiseOrFall'].ne(df['RiseOrFall'].shift()).cumsum())['RiseOrFall'].value_counts()

Or:

df = df.groupby([df['RiseOrFall'].ne(df['RiseOrFall'].shift()).cumsum(), 'RiseOrFall']).size()

print (df)
values  values
1       10        2
2       23        2
3       9         3
4       10        4
5       12        1
Name: values, dtype: int64

但是通过上面的代码，我只显示了该值在一行中出现了多少次的总值，(而不是对它的计数)我需要的应该是一个与“RiseOrFall”列具有相同索引且具有相同行数的列，如下所示:

0
1
0
1
0
1
2
0
1
2
3
0

Answer 1

您可以使用 df.RiseOrFall.ne(df.RiseOrFall.shift()).cumsum() 对 RiseOrFall 列上的每个更改进行分组，然后使用 累计数:

df.assign(Count=df.groupby(df.RiseOrFall.ne(df.RiseOrFall.shift()).cumsum()).cumcount())

---

    RiseOrFall  Count
0           10      0
1           10      1
2           23      0
3           23      1
4            9      0
5            9      1
6            9      2
7           10      0
8           10      1
9           10      2
10          10      3
11          12      0

注意:请将其分配回去:df=df.assign(....)