Python:创建一个增量变量，根据条件进行更改

Question

我想要创建一个名为'inc‘的变量，它在满足条件时按顺序递增(例如，Delta>=5)，否则保持不变，并在每次遇到新组(本例中的ID)时将其重置为1。下面是一个数据here示例：

from pandas import *
d={'rx': [1,1,1,1,1,2,2,2,2,2],
    'vals': [1,2,3,8,10,1,10,20,21,22]}
df=DataFrame(d)


def diff_func(df):
    return df.diff()                                

df['delta'] = df.groupby(['rx'])['vals'].apply(diff_func)  

它产生了这样的结果：

rx  vals delta
1   1    NaN
1   2    1
1   3    1
1   8    5
1   10   2
2   1    NaN
2   10   9
2   20   10
2   21   1
2   22   1

因此，现在我想创建一个名为“Event”的新列，稍后我将使用该列对rx的每个值中的观察进行分组，该值由一个增量<5隔开：

rx  vals    delta   Event
1   1       NaN     1
1   2       1       1
1   3       1       1
1   8       5       2
1   10      2       2
2   1       NaN     1
2   10      9       2
2   20      10      3
2   21      1       3
2   22      1       3

注意，在rx的第一次出现时，“event”返回到1。我习惯于在vbasic或SAS中这样做，您只需保留一个值，然后在每次满足阈值触发器时增加1。在Python中有类似的简单解决方案吗？

Answer 1

通常的方法是做一个比较，然后是一个累积和。例如，类似于：

>>> df["Event"] = (df["delta"] >= 5).groupby(df["rx"]).cumsum() + 1
>>> df
   rx  vals  delta  Event
0   1     1    NaN      1
1   1     2      1      1
2   1     3      1      1
3   1     8      5      2
4   1    10      2      2
5   2     1    NaN      1
6   2    10      9      2
7   2    20     10      3
8   2    21      1      3
9   2    22      1      3

这是因为(为简单起见忽略groupby，只专注于rx == 1:) False == 0和True == 1

>>> df["delta"]
0   NaN
1     1
2     1
3     5
4     2
Name: delta, dtype: float64
>>> df["delta"] >= 5
0    False
1    False
2    False
3     True
4    False
Name: delta, dtype: bool
>>> (df["delta"] >= 5).cumsum()
0    0
1    0
2    0
3    1
4    1
Name: delta, dtype: int64