条件连续序列的识别

Question

我有一张像这样的数据

import pandas as pd

df = pd.DataFrame({
    'column': [0,0,1,1,1,2,2,2,2,1,1,]
})

    column
0        0
1        0
2        1
3        1
4        1
5        2
6        2
7        2
8        2
9        1
10       1

我感兴趣的是识别与某些条件相匹配的所有连续序列(例如，索引数中没有跳变)，后者是琐碎的。

df[df['column'] == 1]

    column
2        1
3        1
4        1
9        1
10       1

下一步是将索引2-4和9-10识别为两个离散实体。我可以(并且已经)使用这样的逻辑来创建一个常规python循环(不需要索引，只是提取序列本身的一种方法)

[(2,4), (9,10)]

但这似乎是不必要的，我想知道是否有人有一个更“熊猫”/有效的方法？

Answer 1

您可以使用：

# group by consecutive values
g = df['column'].ne(df['column'].shift()).cumsum()
# identify rows with "1"
m = df['column'].eq(1)

out = (df[m]
       .groupby(g, sort=False)
       .apply(lambda g: (g.index[0], g.index[-1]))
       .tolist()
      )

输出：[(2, 4), (9, 10)]

Answer 2

确定目标群体，包括：

grp = df['column'].diff().ne(0).cumsum()

然后按这些进行分组，为每一组首先和最后一次索引。然后只选择组1并转换为列表：

df.groupby(['column',grp]).apply(lambda x: (x.index[0],x.index[-1])).xs(1).to_list()

结果

[(2, 4), (9, 10)]