python - 创建一个 Pandas/NumPy 函数来查找系列中的值何时发生变化？

Question

在 DataFrame 中，我有一个名为“状态”的列，它描述了各种事件发生的位置，因此许多行被重复，然后更改为另一个状态:

States
- California
- California
- California
- California
- California
- New Mexico
- New Mexico
- New Mexico
- Hawaii
- California

我正在尝试运行一个 pandas 函数，该函数将为每个状态分配一个变量，但每次状态更改时它都是唯一的。因此，即使状态重复，它们也不会获得与上次在列表中时相同的值。从上面的例子中，我会得到:

new_column
- 1
- 1
- 1
- 1
- 1
- 2
- 2
- 2
- 3
- 4 #even though this is 'California', it's a new,unique value

我目前已经尝试过

def new_id(stateVal):
    x = Kentucky #first state in the list that I'm comparing to
    y = 1 #the unique value
    if stateVal == x:
        return y
    elif stateVal != x:
        x == w
        y++
        return y
    else:
        return 0

当我将它应用到数据集中的 STATE 列时，它还没有正常工作。 Pandas 或 NumPy 中是否有预定义函数可以帮助解决此问题？

Answer 1

你可以这样做，将每个元素与下一个元素进行比较:

count=1
for i,row in enumerate(df['state'] == df['state'].shift(-1)):
    if row:
        df.at[i,'new_column'] = count
    else:
        df.at[i,'new_column'] = count
        count+=1

df['new_column'] = df['new_column'].astype(int) #convert to int if necessary

可能有一种更干净的方法来避免循环，但我认为原则上这就是您正在寻找的

编辑一行，给出相同的输出:

df['new_column'] = df['state'].ne(df['state'].shift()).cumsum()