python - Pandas:如果连续编号，则按索引查找组

Question

我试图从 df2 数据帧中查找索引(第一列或零列 df2[0])，找到具有起始值和结束值(即行)的元组列表。 df2 示例:

COL0  COL1 COL2
  4    x    y    # start 'tuple x' of COL1
  5    i    j
  6    n    m    # end 'tuple n'
 14    f    a    # start 'tuple f'
 15    e    b    # end 'tuple e'
 ...

所以COL0连续的值将形成一个组。如果下一行不连续(例如 6-14)，则新组开始。选择可能如下:

Crit_a = df2[0][0] + 1 == df2[0][1]

作为输出，我正在寻找一个新的 df3，每行如下:

COL0  COL1 COL2 COL3 COL4 ...
  4    x    y    n    m   # start values and end values of COL1 and COL2
 14    f    a    e    b

我正在看SO here和其他地点。谢谢您的建议。

Answer 1

不完全是您想要的输出，但也许更直观？

我创建一个名为 group_no 的列来标记 COL0 中的连续值。我对列进行了差分，找到了差异不为一的值，然后对结果进行了求和。第一个元素是不明确的(差分时它是 NaN，所以我检查它的值加一是否等于第二个值。如果是，则第一个值是连续的，并分配一个值 1。如果不是，则它不是连续的，并分配一个值值为 0。

df = df.assign(group_no = (df.COL0.diff() != 1).cumsum())
df.group_no.iat[0] = 1 if df.COL0.iat[0] + 1 == df.COL0.iat[1] else 0
df_new = df.groupby('group_no').agg(
    {'COL0': ['first'], 
     'COL1': ['first', 'last'], 
     'COL2': ['first', 'last']})
>>> df_new
          COL2       COL0  COL1     
         first last first first last
group_no                            
1            y    m     4     x    n
2            a    b    14     f    e

agg 函数采用字典，因此列的结果顺序可以是任意的。要对结果列进行排序，您可以明确地执行此操作，例如:

df_new[[('COL0', 'first'),
        ('COL1', 'first'),
        ('COL1', 'last'),
        ('COL2', 'first'),
        ('COL2', 'last')]]

这也可能有效:

n = 3  # First three columns of original dataframe.
df_new.loc[:, pd.IndexSlice[df.columns[:n], :]]