python-3.x - 高于阈值的数据帧列计数

Question

我有一个数据框，我想在其中查找高于阈值的所有 ID 的计数。例如

  index  DEVICE_ID DIFF
   0         12     3
   1         12     4
   2         12     5
   3         12     3
   4         13     2
   5         13     4
   6         13     1
   7         14     3
   8         14     6

如果“Diff”大于或等于 4，请给出从该索引开始的每个唯一 ID 的 ID 计数，因此上述数据帧将导致:

  {12:3, 13:2, 14:1} - For ID 12, the diff column is 4 on index 1 so we count the amount of 12's from and including index 1 till 3

很抱歉这个问题措辞不好。

Answer 1

按 Series.ge 比较列(>=) 首先，然后按 df['DEVICE_ID'] 分组并使用 cumsum ，比较Series.gt并聚合 sum 计数 True 值:

s = df['DIFF'].ge(4).groupby(df['DEVICE_ID']).cumsum().gt(0).astype(int)

out = s.groupby(df['DEVICE_ID']).sum().to_dict()
print (out)
{12: 3, 13: 2, 14: 1}

详细信息:

print (df['DIFF'].ge(4).groupby(df['DEVICE_ID']).cumsum())
index
0    0.0
1    1.0
2    2.0
3    2.0
4    0.0
5    1.0
6    1.0
7    0.0
8    1.0
Name: DIFF, dtype: float64

另一种解决方案，其索引为 DEVICE_ID，然后按 level=0 的索引进行 gro，最后仅使用每个索引的 sum (级别=0):

out = (df.set_index(['DEVICE_ID'])['DIFF']
         .ge(4)
         .groupby(level=0)
         .cumsum()
         .gt(0)
         .astype(int)
         .sum(level=0)
         .to_dict())