如何计算熊猫数据框中的一组列中连续值的数量?

我有一个数据框,其中包含战斗机的所有战斗,战斗编号(例如,是否是他们的第一,第二等),以及他们是否赢得了战斗。我想计算出战斗机在当前战斗之前获得的连续胜利数(即不包括他们是否赢得了当前战斗)。我目前正在Spyder中使用Python 3.7。

假设我们有以下数据框,如果战斗机赢得了战斗,则胜利= 1:

df = pd.DataFrame({'fighter' : ['A','A','B','C','C'],'fight_number' :  ['1','2','3','4','1','2'],'win' : [0,1,1]})
  fighter  fight_number  win
0       A             1     0
1       A             2     0
2       A             3     1
3       A             4     1
4       B             1     1
5       B             2     1
6       B             3     0
7       C             1     1
8       C             2     1

我知道要计算所有行的获胜次数,我可以采用以下方法实施建议的here解决方案:

grouper = (df.win != df.win.shift()).cumsum()
df['streak'] = df.groupby(grouper).cumsum()

产生:

  fighter fight_number  win  streak
0       A            1    0       0
1       A            2    0       0
2       A            3    1       1
3       A            4    1       2
4       B            1    1       3
5       B            2    1       4
6       B            3    0       0
7       C            1    1       1
8       C            2    1       2

但是我需要的是将这种方法应用于数据框的子组(即每个战斗机),并且不将当前战斗的结果包括在连胜数中。因此,我基本上是在尝试让战斗机进入战斗时保持目前的连胜纪录。

因此,本示例中的目标输出为:

  fighter fight_number  win  streak
0       A            1    0       0
1       A            2    0       0
2       A            3    1       0
3       A            4    1       1
4       B            1    1       0
5       B            2    1       1
6       B            3    0       2
7       C            1    1       0
8       C            2    1       1

我很高兴能对此提出任何建议,因为我是Python的新手。

lcmseven 回答:如何计算熊猫数据框中的一组列中连续值的数量?

我想到的一个解决方案是受jezrael发布(但删除)的较早答案的启发:

grouper = (df.win != df.win.shift()).cumsum()
df['streak'] = df.groupby(['fighter',grouper]).cumsum()
df['streak'] = df.groupby('fighter')['streak'].shift(1).fillna(0)

产生目标输出:

  fighter fight_number  win  streak
0       A            1    0     0.0
1       A            2    0     0.0
2       A            3    1     0.0
3       A            4    1     1.0
4       B            1    1     0.0
5       B            2    1     1.0
6       B            3    0     2.0
7       C            1    1     0.0
8       C            2    1     1.0

似乎也可以用于其他测试示例:

df2 = pd.DataFrame({'fighter' : ['A','A','B','C','C'],'fight number' :  ["1","2","3","4","5","6","1","2"],'win' : [1,1,1]}) 

grouper = (df2.win != df2.win.shift()).cumsum()
df2['streak'] = df2.groupby(['fighter',grouper]).cumsum()
df2['streak'] = df2.groupby('fighter')['streak'].shift(1).fillna(0)

   fighter fight number  win  streak
0        A            1    1     0.0
1        A            2    1     1.0
2        A            3    0     2.0
3        A            4    1     0.0
4        A            5    0     1.0
5        A            6    1     0.0
6        B            1    1     0.0
7        B            2    1     1.0
8        B            3    0     2.0
9        C            1    1     0.0
10       C            2    1     1.0

本文链接:https://www.f2er.com/3159392.html

大家都在问