python - Pandas Series.ne 运算符针对同一系列的两个切片返回意外结果

Question

所以我有如下所示的这一系列整数

from pandas import Series
s = Series([1, 2, 3, 1, 2, 3, 1, 2, 3, 1, 2, 3, 1, 2, 3, 1, 2, 3, 1, 2, 3, 1, 2, 3, 1, 2, 3, 1, 2, 3, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1])

我想看看数字在整个系列中变化了多少次，这样我就可以执行以下操作并获得预期的结果。

[i != s[:-1][idx] for idx, i in enumerate(s[1:])]
Out[5]: 
[True,
 True,
 True,
 True,
 True,
 True,
 True,
 True,
 True,
 True,
 True,
 True,
 True,
 True,
 True,
 True,
 True,
 True,
 True,
 True,
 True,
 True,
 True,
 True,
 True,
 True,
 True,
 True,
 True,
 True,
 False,
 False,
 False,
 False,
 False,
 False,
 False,
 False,
 False]

从那里我可以简单地计算出 True 的当前数量。但这显然不是在 pandas 系列上操作的最佳方式，并且我在性能很重要的情况下添加了此方法，因此我执行了以下操作，期望得到相同的结果，但我感到非常惊讶和困惑。

s[1:].ne(s[:-1])
Out[4]: 
0      True
1     False
2     False
3     False
4     False
5     False
6     False
7     False
8     False
9     False
10    False
11    False
12    False
13    False
14    False
15    False
16    False
17    False
18    False
19    False
20    False
21    False
22    False
23    False
24    False
25    False
26    False
27    False
28    False
29    False
30    False
31    False
32    False
33    False
34    False
35    False
36    False
37    False
38    False
39     True
dtype: bool

使用 Series.ne 方法的输出不仅对我来说没有任何逻辑意义，而且输出也比任何一个输入都长，这尤其令人困惑。

我认为这可能与此https://github.com/pandas-dev/pandas/issues/1134有关

无论如何，我很好奇我做错了什么以及实现这一目标的最佳方法是什么。

tl；博士:

其中 s 是 pandas.Series 的 int

[i != s[:-1][idx] for idx, i in enumerate(s[1:])] != s[:-1].ne(s[1:]) .tolist()

编辑谢谢大家，阅读下面的一些答案，可能的解决方案是 sum(s.diff().astype(bool)) - 1 但是我仍然很好奇为什么上述解决方案不起作用

Answer 1

您可以利用diff

>>> from pandas import Series
>>> s = Series([1, 2, 1, 3, 3, 1, 1])
>>> s.diff()
0    NaN
1    1.0
2   -1.0
3    2.0
4    0.0
5   -2.0
6    0.0
dtype: float64
>>> s.diff().ne(0) # Same of s.diff() != 0
0     True
1     True
2     True
3     True
4    False
5     True
6    False
dtype: bool
>>> # To know how many times the values had changed simply count the
... # number of True, except the first which is fault of the NaN
... # generated by `diff()` function.
...
>>> sum(s.diff().ne(0)) - 1
4