python - 如何识别数据框列中的连续重复值？

Question

所以我想弄清楚如何在 python 中识别数据框列中的连续重复值，然后能够为我正在寻找的连续重复值的数量设置一个数字。我将在这里进一步解释。

我有以下数据框:

DateTime                 Value         
-------------------------------
2015-03-11 06:00:00          1               
2015-03-11 07:00:00          1               
2015-03-11 08:00:00          1               
2015-03-11 09:00:00          1               
2015-03-11 10:00:00          0               
2015-03-11 11:00:00          0               
2015-03-11 12:00:00          0               
2015-03-11 13:00:00          0               
2015-03-11 14:00:00          0               
2015-03-11 15:00:00          0               
...

现在我有以下问题:在“值”列中，是否存在“2”个或多个连续“0”值的实例？是的!现在我想返回一个“True”。

现在我有了这个数据框:

DateTime                 Value         
-------------------------------
2015-03-11 06:00:00          1               
2015-03-11 07:00:00          1               
2015-03-11 08:00:00          0               
2015-03-11 09:00:00          0               
2015-03-11 10:00:00          1               
2015-03-11 11:00:00          0               
2015-03-11 12:00:00          0               
2015-03-11 13:00:00          0               
2015-03-11 14:00:00          1               
2015-03-11 15:00:00          1               
...

现在我有以下问题:在“值”列中，是否存在“3”个或更多连续“0”值的实例？是的!现在我想返回一个“True”。

当然，如果答案是“否”，那么我想返回一个“假”

这在 python 中如何完成？这个过程叫什么？如何设置它以便更改要查找的连续值的数量？

Answer 1

首先，您可以使用 .shift() 创建一个与您的列 Value 具有相同值的新列。比

df["Value_shif"] = df["Value"].shift()

输出:

              DateTime  Value  Value_shif 
0  2015-03-11 06:00:00      1         NaN    
1  2015-03-11 07:00:00      1         1.0  
2  2015-03-11 08:00:00      0         1.0   
3  2015-03-11 09:00:00      1         0.0 

你可以比较它们并得到真/假:

df["Value"] == df["Value_shif"]

输出:

0    False
1     True
2    False
3    False

比对重复值的个数求和:

df["count"] = (df["Value"] == df["Value_shif"]).cumsum()

cumsum() 会将 True 视为 1 并将 False 视为 0

输出:

              DateTime  Value  Value_shif  count
0  2015-03-11 06:00:00      1         NaN      0
1  2015-03-11 07:00:00      1         1.0      1
2  2015-03-11 08:00:00      0         1.0      1
3  2015-03-11 09:00:00      1         0.0      1

如果 Sum 大于 1，则您有连续的重复值。

获得此信息后，您可以在特定条件下过滤数据帧，检查特定 值 是否出现 number_of_times 大于特定数量。

def check(dataframe, value, number_of_times):
    """
    Check for condition
    """
    df = dataframe.copy()
    df = df[df['Value'] == value]
    if df["count"].max() >= number_of_times:
        return True
    else:
        return False

---

print(check(df, 1, 1))
True

print(check(df, 0, 3))
False

您需要检查特定的边界条件，以确保一切都按预期进行。 shift() 的问题在于它创建 NaN 作为第一个值并从列中删除最后一个值...