Необходимо подсчитывать повторяющиеся последовательные значения в фрейме данных python в группе

df = pd.DataFrame({'site':[1,1,1,1,1,1,1,1,1,1], 'parm':[8,8,8,8,8,9,9,9,9,9],
                   'date':[1,2,3,4,5,1,2,3,4,5], 'obs':[1,1,2,3,3,3,5,5,6,6]})

Выход

   site  parm  date  obs
0     1     8     1    1
1     1     8     2    1
2     1     8     3    2
3     1     8     4    3
4     1     8     5    3
5     1     9     1    3
6     1     9     2    5
7     1     9     3    5
8     1     9     4    6
9     1     9     5    6

Я хочу подсчитать повторяющиеся последовательные значения «obs» в «сайте» и «parm». У меня есть этот код, который близок:

df['consecutive'] = df.parm.groupby((df.obs != df.obs.shift()).cumsum()).transform('size')

Выход

   site  parm  date  obs  consecutive
0     1     8     1    1            2
1     1     8     2    1            2
2     1     8     3    2            1
3     1     8     4    3            3
4     1     8     5    3            3
5     1     9     1    3            3
6     1     9     2    5            2
7     1     9     3    5            2
8     1     9     4    6            2
9     1     9     5    6            2

Он создает новый столбец со счетом. Разрыв - это когда параметр изменяется с 8 на 9, он включает параметр 9 в подсчет параметра 8. Ожидаемый результат:

   site  parm  date  obs  consecutive
0     1     8     1    1            2
1     1     8     2    1            2
2     1     8     3    2            1
3     1     8     4    3            2
4     1     8     5    3            2
5     1     9     1    3            1
6     1     9     2    5            2
7     1     9     3    5            2
8     1     9     4    6            2
9     1     9     5    6            2

python pandas dataframe pandas-groupby

11.12.2020 21:50

Почему в Python есть оператор "pass"?

Оператор pass в Python - это простая концепция, которую могут быстро освоить даже новички без опыта программирования.

Некоторые методы, о которых вы не знали, что они существуют в Python

Python - самый известный и самый простой в изучении язык в наши дни. Имея широкий спектр применения в области машинного обучения, Data Science,...

Основы Python Часть I

Вы когда-нибудь задумывались, почему в программах на Python вы видите приведенный ниже код?

LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа

Алиса и Боб имеют неориентированный граф из n узлов и трех типов ребер:

Оптимизация кода с помощью тернарного оператора Python

И последнее, что мы хотели бы показать вам, прежде чем двигаться дальше, это

Советы по эффективной веб-разработке с помощью Python

Как веб-разработчик, Python может стать мощным инструментом для создания эффективных и масштабируемых веб-приложений.

116

Перейти к ответу Данный вопрос помечен как решенный

Ответы 1

Ответ принят как подходящий

Вам нужно кинуть site, parm как указано в вопросе в groupby:

df['consecutive'] = (df.groupby([df.obs.ne(df.obs.shift()).cumsum(),
                                 'site', 'parm']
                                )
                     ['obs'].transform('size')
                     )

Выход:

   site  parm  date  obs  consecutive
0     1     8     1    1            2
1     1     8     2    1            2
2     1     8     3    2            1
3     1     8     4    3            2
4     1     8     5    3            2
5     1     9     1    3            1
6     1     9     2    5            2
7     1     9     3    5            2
8     1     9     4    6            2
9     1     9     5    6            2

Отлично... Спасибо за помощь!

— 12.12.2020 16:32

11.12.2020 22:04