Pandas之相邻行分组条件求和

Question

我有一个数据帧，已经按用户和时间排序

 df = pd.DataFrame({'user' : ['A', 'A', 'A', 'B', 'B', 'B','B'],
              'location' : ['house','house','gym','gym','shop','gym','gym'], 
              'duration':[10,5,5,4,10,4,6]})


   duration location user
0        10    house    A
1         5    house    A
2         5      gym    A
3         4      gym    B
4        10     shop    B
5         4      gym    B
6         6      gym    B

我只想在给定用户的相邻行中，“位置”字段相同时执行sum()。因此，不仅仅是df.groupby(['id','location']).duration.sum()。期望的输出如下所示。此外，顺序很重要。

duration location user
      15    house    A
       5      gym    A
       4      gym    B
      10     shop    B
      10      gym    B

谢谢！

- user42361

Answer 1

提供sort=False以保留分组之间在原始DF中出现的顺序。然后，计算duration列的分组总和。

adj_check = (df.location != df.location.shift()).cumsum()
df.groupby(['user', 'location', adj_check], as_index=False, sort=False)['duration'].sum()

你之前尝试过的唯一变化是这个条件，它将所有相似的连续行分为一个唯一的组：

---

(df.location != df.location.shift()).cumsum()
0    1
1    1
2    2
3    2
4    3
5    4
6    4
Name: location, dtype: int32

- Nickil Maveli

---

如何确保顺序的正确性？例如，对于用户A而言，聚合表中应该首先是房屋，然后是健身房。 - user42361

我编辑了我的帖子，请看一下这是否是你想要做的。 - Nickil Maveli

这看起来很棒！非常感谢你！ - user42361

当您执行df.location.shift()时，它将所有值向下移动一个级别。我们这样做是为了将我们当前的值与之进行比较的估计。每当df.location和df.location.shift()下的值匹配时，(df.location != df.location.shift())返回False。因此，只要相同的值重复出现N次，我们就会得到（N-1）个False返回。 - Nickil Maveli

接下来，我们需要确保它们属于一个独立的组。因此，需要将它们的cumsum设置为False，这将计算为0，无论有多少个这样的False值存在，它们仍将导致1。（1+0+0+...N次）。 - Nickil Maveli