这里有一种使用
2D卷积
解决任意数量行元素的方法 -
from scipy.signal import convolve2d as conv2
n = 6
v = np.vstack([(conv2(df.values!=0,[[1]*I])==I).sum(1) for I in range(2,n+1)]).T
df_v = pd.DataFrame(v, columns = [[str(i)+'s' for i in range(2,n+1)]])
df_out = pd.concat([df, df_v],1)
基本思路
基本思路是使用滑动窗口来计算每行非零元素的出现次数。假设我们想看看连续出现了多少个三个非零元素,那么我们将使用大小为 3
的滑动窗口并获取滑动求和。所有那些滑动窗口中都有三个元素作为非零元素出现的地方将产生一个总和为 3
的求和值。因此,我们寻找与 3
相匹配的求和,并计算它们。就这样!我们循环遍历所有窗口大小以捕获所有的 2s
、3s
等。
下面是在数组上计算 3s
的示例运行 -
In [326]: a
Out[326]:
array([[0, 2, 1, 2, 1, 2],
[2, 2, 2, 0, 0, 0],
[2, 2, 1, 1, 1, 1],
[1, 2, 1, 2, 0, 1]])
In [327]: a!=0
Out[327]:
array([[False, True, True, True, True, True],
[ True, True, True, False, False, False],
[ True, True, True, True, True, True],
[ True, True, True, True, False, True]], dtype=bool)
In [329]: conv2(a!=0,[[1]*3])
Out[329]:
array([[0, 1, 2, 3, 3, 3, 2, 1],
[1, 2, 3, 2, 1, 0, 0, 0],
[1, 2, 3, 3, 3, 3, 2, 1],
[1, 2, 3, 3, 2, 2, 1, 1]])
In [330]: conv2(a!=0,[[1]*3])==3
Out[330]:
array([[False, False, False, True, True, True, False, False],
[False, False, True, False, False, False, False, False],
[False, False, True, True, True, True, False, False],
[False, False, True, True, False, False, False, False]], dtype=bool)
In [331]: (conv2(a!=0,[[1]*3])==3).sum(1)
Out[331]: array([3, 1, 4, 2])
示例运行 -
In [158]: df_out
Out[158]:
a1 a2 a3 a4 a5 a6 2s 3s 4s 5s 6s
0 1 2 1 0 0 2 2 1 0 0 0
1 1 1 2 1 0 1 3 2 1 0 0
2 1 1 0 0 1 1 2 0 0 0 0
3 2 2 1 0 2 2 3 1 0 0 0
请注意,如果第一列是
'id'
,那么我们需要跳过它。因此,在提议的解决方案代码中,我们需要使用
df.values[:,1:]
而不是
df.values
。