python-3.x - 通过更改 pandas 中的组内的列值来创建组

Question

当 Success 或 Failure 列返回 True 值时，我想在每个 Chat_id 中创建组。如果成功或失败列的前一行中存在真值，则组的值会发生变化。我应该如何处理 Pandas 。所以基本上，Group 列是我想要创建的内容，但 chat_id、Success 和 Failure 列已经存在。

+---------+-------+---------+---------+
| Chat_id | Group | Success | Failure |
+---------+-------+---------+---------+
| A       |     0 | FALSE   | FALSE   |
| A       |     0 | FALSE   | FALSE   |
| A       |     0 | TRUE    | FALSE   |
| A       |     1 | FALSE   | FALSE   |
| A       |     1 | FALSE   | TRUE    |
| A       |     2 | FALSE   | FALSE   |
| A       |     2 | FALSE   | FALSE   |
| B       |     0 | FALSE   | FALSE   |
| B       |     0 | FALSE   | FALSE   |
| B       |     0 | FALSE   | TRUE    |
| B       |     1 | FALSE   | FALSE   |
| B       |     1 | FALSE   | FALSE   |
| B       |     1 | FALSE   | FALSE   |
| C       |     0 | FALSE   | FALSE   |
| C       |     0 | TRUE    | FALSE   |
| C       |     1 | FALSE   | FALSE   |
| C       |     1 | TRUE    | FALSE   |
+---------+-------+---------+---------+

也尝试了以下方法，但似乎不起作用。

def grouping(dfg):
    ind=0:
    for row in dfg:
        if row.Success==True or row.Failure==True:
            ind+=1
            return ind
df.groupby(chat_id).apply(lambda x: grouping(x))

Answer 1

总和

制作一个新列'Flag'

df = df.assign(Flag=(df.Success | df.Failure).cumsum())

df

   Chat_id  Group  Success  Failure  Flag
0        A      0    False    False     0
1        A      0    False    False     0
2        A      0     True    False     1
3        A      1    False    False     1
4        A      1    False     True     2
5        A      2    False    False     2
6        A      2    False    False     2
7        B      0    False    False     2
8        B      0    False    False     2
9        B      0    False     True     3
10       B      1    False    False     3
11       B      1    False    False     3
12       B      1    False    False     3
13       C      0    False    False     3
14       C      0     True    False     4
15       C      1    False    False     4
16       C      1     True    False     5