在熊猫身上找到条纹的长度

Question

我有一个pandas数据帧，其中一个列描述了一个整数时间索引，我想添加一个列来存储一行是否是streak的一部分，以及streak有多长。例如，给定time列，我想计算一个streak列，如下所示

time    streak
0       3
1       3
2       3
4       2
5       2
5       2
9       1
11      1
11      1

前三条线是连续三条线的一部分，因为索引0,1,2是连续的。下面三行的条纹为2，因为索引4,5也是连续的；索引5是重复的，但在确定条纹的长度时不应计入索引5。最后，最后三行与其他行不相邻，因此它们的条纹为1。请注意，有时多行可以具有相同的time。我需要以时间为单位计算条纹的长度，以便多个条目不会影响条纹的长度，并且具有相同时间索引的线具有相同的条纹长度。请记住，其他列(未显示)存储在数据帧中。

如何获取该值？我尝试过使用groupby、shift和类似的函数，但并没有走得太远。

编辑:对不起，我忘记指定有时time索引可以重复。我对这个问题进行了扩展，以将这一点考虑在内。

Answer 1

使用diff查找是否继续(等于1 )，然后使用条件匹配的cumsum，然后使用groupby + transform szie

s=df.time.diff().fillna(1).ne(1).cumsum()
s.groupby(s).transform('size')
Out[396]: 
0    3
1    3
2    3
3    2
4    2
5    1
6    1
Name: time, dtype: int32

Answer 2

与温的答案非常相似，只是使用value_counts，我觉得这稍微更流行一点。

time = pd.Series([0, 1, 2, 4, 5, 9, 11])

# Give each row a streak id by incrementing whenever the difference isn't 1
streak = (time.diff() != 1).cumsum()

# Maps each id to the number of times the id occurs
result = streak.map(streak.value_counts())

print(result)
Out:
0    3
1    3
2    3
3    2
4    2
5    1
6    1

编辑:这里有一个解决方案，以迎合添加到问题中的新情况，其中可能存在重复时间。请注意，我们使用diff > 1来查找新的条纹；这是使用时间是递增的(不一定是严格的)整数的假设。可能的重复只是意味着我们必须在计算出用于映射的streak id计数之前执行drop_duplicates。

time = pd.Series([0, 1, 2, 4, 5, 5, 9, 11, 11])

result = (time.diff() > 1).cumsum().map(
    (time.drop_duplicates().diff() > 1).cumsum().value_counts()
)

print(result)
Out:
0    3
1    3
2    3
3    2
4    2
5    2
6    1
7    1
8    1