python - 需要计算连续索引的运行次数

Question

我需要计算至少有 4 个连续值满足 pandas 条件的实例。下面的代码给了我一个 Int64Index:

    IN: vals = chunk[chunk[col] > ninetieth].index
    OUT: Int64Index([427, 429, 430, 431, 436, 470, 471, 472, 473, 478, 518, 519, 520,
        521, 522, 565, 566, 567, 568, 569],
       dtype='int64')

我可以通过这种方式得到我想要的东西:

count = 0
i = 0
while i < range(len(vals)):
    try:
        if vals[i] + 3 == vals[i + 3]:
            count += 1
            i += 3
        else: i += 1
    except: break

但是一定有一种更简单、不那么可怕的方法，对吧？

预计到达时间:经过进一步澄清，每次运行至少 4 个连续值时，计数应增加，并且在出现间隙之前不会再次增加。

Answer 1

一种方法是在一个范围内求差，基本上减去连续部分，然后进行分组:

v2 = vals - np.arange(len(vals))
result = (v2.to_series().groupby(v2).size() >= 4).sum()

这给了我

In [141]: result
Out[141]: 3

这之所以有效，是因为

In [142]: v2 = vals - np.arange(len(vals))

In [143]: v2
Out[143]: 
Int64Index([427, 428, 428, 428, 432, 465, 465, 465, 465, 469, 508, 508, 508,
            508, 508, 550, 550, 550, 550, 550],
           dtype='int64')

现在每次连续运行都有相同的数字(与我们开始时的数字不同，但这在这里并不重要)。然后:

In [144]: v2.to_series().groupby(v2).size()
Out[144]: 
427    1
428    3
432    1
465    4
469    1
508    5
550    5
dtype: int64

In [145]: (v2.to_series().groupby(v2).size() >= 4).sum()
Out[145]: 3