python - 在 pandas df 中查找 A 列中的 True 值是否是他自 B 列中最后一个 True 以来的第一次出现

Question

我正在寻找最有效的方法来查找 True column A 中的值是自上次以来第一次出现 True column B 中的值.

在此示例中，预期输出为 column C .

示例 1:

df = pd.DataFrame({
    'A': [False, False, True, False, True, False, True, False, True],
    'B': [True, False, False, False, False, True, False, False, False],
    'C': [False, False, True, False, False, False, True, False, False]
})

<表类="s-表"><头><日> ABC<正文>0错误正确错误1错误错误错误2正确错误正确3错误错误错误4正确错误错误5错误正确错误6正确错误正确7错误错误错误8正确错误错误

示例 2:

df = pd.DataFrame({
    'A': [True, False, False, True, False, True, False, True, False],
    'B': [False, True, False, False, False, False, True, False, False],
    'C': [False, False, False, True, False, False, False, True, False]
})

<表类="s-表"><头><日> ABC<正文>0正确错误错误1错误正确错误2错误错误错误3正确错误正确4错误错误错误5正确错误错误6错误正确错误7正确错误正确8错误错误错误

示例 3:

在这里你可以找到一个 .csv file with a bigger example

Answer 1

您可以对“B”列的累积总和使用 groupby 操作，按照您描述的方式对数据框进行分组。然后您可以使用 idxmax 获取列“A”中每个首次出现的索引。获得这些索引后，您可以创建新列“C”。

使用 idxmax 是一个小技巧，因为我们实际上对最大值不感兴趣，因为“A”列只有 True 和 False 作为它的值。 idxmax 将返回最大值的第一次出现的索引(在这种情况下，True 在每个组中第一次出现)，它是我们特别感兴趣的内容。

df = pd.DataFrame({
    'A': [False, False, True, False, True, False, True, False, True],
    'B': [True, False, False, False, False, True, False, False, False],
})

# get a dataframe of the position of the max as well as the max value
indices_df = df["A"].groupby(df["B"].cumsum()).agg(["idxmax", "max"])

# mask to filter out the 0th group
skip_0th = (indices_df.index > 0)

# mask to filter out groups who do not have True as a value
groups_with_true = (indices_df["max"] == True)

# combine masks and retrieve the appropriate index
indices = indices_df.loc[skip_0th & groups_with_true, "idxmax"]

df["C"] = False
df.loc[indices, "C"] = True

print(df)
       A      B      C
0  False   True  False
1  False  False  False
2   True  False   True
3  False  False  False
4   True  False  False
5  False   True  False
6   True  False   True
7  False  False  False
8   True  False  False

---

针对示例 2 进行了更新。

我们可以通过对索引系列进行切片以排除索引为 0 的任何条目来解决此问题(例如，标签从 1 切片到末尾)。这是有效的，因为我们的 groupby 操作根据 .cumsum 分配基于整数的标签。在示例 1 中，最小的索引标签将为 1(因为“B”列中的第一个值为 True)。而在示例 2 中，最小的索引标签将为 0。由于我们不希望 0 影响我们的结果，我们可以简单地将它从我们的 indices 中切掉。

当我们在对我们的 indices 系列执行切片后分配“C”时，我们将适本地忽略列“B”中第一次出现 True 之前的所有值。

不过文字已经够多了，让我们看一些代码。

示例 1

print(indices)
1    2
2    6

# Slicing here doesn't change anything, since indices does not have
#  a value corresponding to label position 0
indices = indices.loc[1:]
print(indices)
1    2
2    6

示例 2

print(indices)
0    0
1    3
2    7

# we don't want to include the value from label position 0 in `indices`
#  so we can use slicing to remove it

indices = indices.loc[1:]
print(indices)
1    3
2    7