我有一列这样的数据:
[ 0, +1, +1, +1, 0, +1, -1, -1, 0, -1, -1, -1, -1, +1, +1, -1, +1, +1, +1, +1, +1, +1, +1, 0]
我想要以下输出:
[ 0, +1, +1, +1, 0, 0, 0, 0, 0, -1, -1, -1, -1, 0, 0, 0, +1, +1, +1, +1, +1, +1, +1, 0]
让我解释:
在源列中，数据可以为+ 1，-1或0。
在输出中，具有3个或更多顺序出现的+1和-1s可以保留；那些没有的，必须转换为0。
我不知道如何使它成为矢量操作。我想我可以开始将每个值与上一个值进行比较，例如:
groupby(data.eq(data.shift()).cumsum()).cumcount()
但我不知道如何构建输出序列。
我是Pandas的轻量级用户，并且我不熟悉可用的工具。
参考方案
通过检查移位的Series是否不等于其自身并获取cumsum并计算每个的大小来形成连续的组。
然后，仅使零个组或高于阈值的组保持零，其余保持零(where + fillna)。
l = [0,1,1,1,0,1,-1,-1,0,-1,-1,-1,-1,1,1,-1,1,1,1,1,1,1,1,0]
s = pd.Series(l)
m = s.groupby(s.ne(s.shift()).cumsum()).transform('size')
s = s.where(s.eq(0) | m.ge(3)).fillna(0).astype(int)
s.tolist()
[0, 1, 1, 1, 0, 0, 0, 0, 0, -1, -1, -1, -1, 0, 0, 0, 1, 1, 1, 1, 1, 1, 1, 0]
或者因为在这种情况下，您的填充值与您不想更改的值相同:
s = s.where(s.groupby(s.ne(s.shift()).cumsum()).transform('size').ge(3), 0)
我有一个像这样的数据框:cluster org time 1 a 8 1 a 6 2 h 34 1 c 23 2 d 74 3 w 6 我想计算每个集群每个组织的平均时间。预期结果:cluster mean(time) 1 15 ((8+6)/2+23)/2 2 54 (74+34)/2 3 6 我不知道如何在熊猫中做到这一点，有人可以帮忙吗？ 参考方案 如…
Python Pandas:在多列上建立布尔索引 - python尽管至少有关于如何在Python的pandas库中为DataFrame编制索引的two good教程，但我仍然无法在一个以上的列上找到一种优雅的SELECT编码方式。>>> d = pd.DataFrame({'x':[1, 2, 3, 4, 5], 'y':[4, 5, 6, 7, 8]}) >…
python pandas:按行对条件进行分组 - python我有一个大的pandas数据框，试图从中形成一些行的对。我的df如下所示：object_id increment location event 0 1 d A 0 2 d B 0 3 z C 0 4 g A 0 5 g B 0 6 i C 1 1 k A 1 2 k B ... ... ... ... 对象ID描述特定的对象。增量是每次发生某事（跟踪订单）时…
Python-Excel导出 - python我有以下代码：import pandas as pd import requests from bs4 import BeautifulSoup res = requests.get("https://www.bankier.pl/gielda/notowania/akcje") soup = BeautifulSoup(res.cont…
pandas DataFrame:根据另一列中的布尔值计算总和 - python我对Python相当陌生，我尝试在pandas中模拟以下逻辑我目前正在循环抛出行，并希望对前几行的AMOUNT列中的值求和，但只求和最后一次看到的“ TRUE”值。实际数据似乎效率低下（我的数据框大约有500万行）？想知道用Python处理这种逻辑的有效方法是什么？逻辑：逻辑是，如果FLAG为TRUE，我想对前几行的AMOUNT列中的值求和，但只求和最后一次…