python - Pandas:查找一列中相隔 50 个单位的连续项目

Question

我有一个 pandas 数据框，可以长也可以短，如下所示

          alt    start      end
0  borderline  6017254  6017304
1  borderline  6017304  6017354
2  borderline  6017354  6017404
3  duplicated  6018212  6018262
4  borderline  6018262  6018312
5  borderline  6018312  6018362

我需要在 start 和 end 列中找到“连续”项目。我可以按 alt 进行分组并获取每个 alt 类型的行，但是 start 和 end 中的连续项目是在列或行上间隔 50 个单位。综上所述，我想要获得的是

          alt    start      end
0  borderline  6017254  6017404
1  duplicated  6018212  6018262
2  borderline  6018262  6018362

预先感谢您的帮助。

Answer 1

使用shift和groupby

df.groupby([df.alt,(df.start.shift(-1)==df.end).shift().ne(True).cumsum()],sort=False).agg({'alt':'first','start':'first','end':'last'})
Out[433]: 
                     alt    start      end
alt                                       
borderline 1  borderline  6017254  6017404
duplicated 2  duplicated  6018212  6018262
borderline 2  borderline  6018262  6018362

关于shift的更多信息，它会创建组键，通过使用start来匹配前一个end，如果匹配，则属于同一组，如果不匹配，则返回False，然后在cumsum之后 我们数到下一组

(df.start.shift(-1)==df.end).shift().ne(True).cumsum()

Out[434]: 
0    1
1    1
2    1
3    2
4    2
5    2
dtype: int32