我想要做的是在特定時間段內使用 python 資料框對 0 的值進行分組，例如我有：
| Time (seconds) | Value |
| 1 | 0 |
| 2 | 0 |
| 3 | 0 |
| 4 | 1 |
| 5 | 0 |
| 6 | 1 |
| 7 | 1 |
| 8 | 0 |
| 9 | 0 |
| 10 | 0 |
| 11 | 1 |
| 12 | 0 |
| 13 | 0 |
我期望的輸出是：
| Time (seconds) | Value | Group |
| 1 | 0 | 1 |
| 2 | 0 | 1 |
| 3 | 0 | 1 |
| 4 | 1 | |
| 5 | 0 | 2 |
| 6 | 1 | |
| 7 | 1 | |
| 8 | 0 | 3 |
| 9 | 0 | 3 |
| 10 | 0 | 3 |
| 11 | 1 | |
| 12 | 0 | 4 |
| 13 | 0 | 4 |
uj5u.com熱心網友回復：
您可以檢查當值的變化使用shift，cumsum和面膜：
s = df['value'].eq(0)
df['group'] = (s&s.ne(s.shift())).cumsum().where(s, 0)
輸出：
time value group
0 1 0 1
1 2 0 1
2 3 0 1
3 4 1 0
4 5 0 2
5 6 1 0
6 7 1 0
7 8 0 3
8 9 0 3
9 10 0 3
10 11 1 0
11 12 0 4
12 13 0 4
uj5u.com熱心網友回復：
您可以嘗試cumsum然后傳遞給factorize
s = df.Value.ne(0)
df.loc[df.index[~s],'new'] = s.cumsum()[~s].factorize()[0] 1
uj5u.com熱心網友回復：
這是一個使用以下方法的奇怪解決方案numpy.split：
arr = df['Value'].to_numpy()
counter = 1
out = []
for ar in np.split(arr, np.where(arr==1)[0]):
mask = ar==0
out.append(np.where(mask, counter, 0))
if mask.any():
counter = 1
df['Group'] = np.concatenate(out)
輸出：
Time Value Group
0 1 0 1
1 2 0 1
2 3 0 1
3 4 1 0
4 5 0 2
5 6 1 0
6 7 1 0
7 8 0 3
8 9 0 3
9 10 0 3
10 11 1 0
11 12 0 4
12 13 0 4I’m
轉載請註明出處，本文鏈接：https://www.uj5u.com/net/388175.html