python - 如果条件不满足，则单独对数据进行分组，Cnd :true assign grp 1; cnd false :assign group 2;cnd true: assign group 3

Question

#input 
|--IDs-|--Value-|
|--da1-|--100---|
|--da2-|---80---|
|--da3-|--200---|
|--da4-|--300---|
|--da5-|--100---|
|--da6-|--100---|
|--da7-|--500---|
|--da8-|---74---|

Assuming the data is sorted by date ASC, I need following results. if the data is not sorted. I need to sort it first and then apply the logic as mentioned.

# Desired output for condition Value> 100 

|--IDs-|--Value--|--Group--|
|--da1-|--100---|----1----|
|--da2-|---80---|----1----|
|--da3-|--200---|----2----|
|--da4-|--300---|----2----|
|--da5-|--100---|----3----|
|--da6-|--100---|----3----|
|--da7-|--500---|----4----|
|--da8-|---74---|----5----|

我尝试使用 for 循环并通过比较每个数据来更新组。这在性能方面并不高效。我想知道是否有更简单、更快的方法来做到这一点。我正在尝试用 python 或 SQL 来实现这一点，这两种方法都很有效。在下面的代码中，我每次都会更新 pandas 数据框。

prev_cond = 'Cr'
group = 0
for i in range(len(data)):
        if data.iloc[i,1] > 100:
              cur_cond = 'Tr'
             if cur_cond == prev_cond:
                group = group 
             else:
                group = group+1
             data['Group'][i] = group
             prev_cond = cur_cond
        else:
            cur_cond = 'Fl'
            if cur_cond == prev_cond:
                group = group 
            else:
                group = group+1
            data['Group'][i] = group
            prev_cond = cur_cond 

Answer 1

我认为您需要 lag() 和累积总和中的一些条件逻辑:

select t.*,
       sum(case when prev_value > 100 and value > 100 then 0
                when prev_value <= 100 and value <= 100 then 0
                else 1
           end) over (order by id) as grp
from (select t.*,
             lag(value) over (order by id) as prev_value
      from t
     ) t;

这是一个数据库<> fiddle 。