给定一个pandas数据帧,当前一行的列值(或当前行的列值)的总和等于或大于n时,我希望获得每一行的索引,然后总和重新开始为零。例如,如果我们的dataframe有值:
index colB
1 10
2 20
3 5
4 5
5 15
6 5
7 7
8 3假设是n=10,那么我想要的索引是1,2,4,5,7,因为ColB的前一行(或当前行)加起来是10。
到目前为止,我可以在这个数据帧上执行for循环来获得我想要的索引,但是当有很多行时,它非常慢。因此,我正在寻求一个更快的方法的帮助。谢谢!
发布于 2018-08-27 15:35:50
对于cumsum()的一些组合,可能有一个聪明的方法,但这是一个棘手的问题,因为在和大于n之后,需要重置该值。所以它有点像一个窗口不大于n的滚动总和。
为此,我可能会使用一个自定义函数。
import pandas as pd
def go(s, n=10):
r = []
c = 0
s = s.tolist()
cv = 0
for v in s:
if v >= n:
r.append(c)
c += 1
else:
cv += v
if cv >= n:
r.append(c)
c += 1
cv = 0
else:
r.append(c)
return r
df = pd.DataFrame.from_dict({
'colB': {0: 10, 1: 20, 2: 5, 3: 5, 4: 15, 5: 5, 6: 1, 7: 3, 8: 1, 9: 12}})
df['group'] = df.apply(go, args=(10,))
indices = df['group'].drop_duplicates().index请注意,我对您的示例编号进行了一些修改。
如果df是这样的:
colB
0 10
1 20
2 5
3 5
4 15
5 5
6 1
7 3
8 1
9 12indices是:
Int64Index([0, 1, 2, 4, 5, 9], dtype='int64')https://stackoverflow.com/questions/51989702
复制相似问题