如何在Pandas中计算数值序列？

Question

假设在Pandas中，我有一个数据框如下所示：

index    value

1        1
2        0
3        1
4        1
5        0
6        1

我想要统计特定值序列出现的次数，比如有多少次在1后面出现了0（即[1,0]出现的次数，在上面的例子中是两次），或者有多少次出现了[1,0,1]（同样是两次）。

是否有一种方法可以不使用简单的for循环来实现这个功能？

- Gian Segato

Answer 1

通用解决方案

def tuplify(s, k):
    return list(zip(*[s.values[i:].tolist() for i in range(k)]))

s = pd.Series([1, 0, 1, 1, 0, 1])

pd.value_counts(tuplify(s, 3))

(1, 0, 1)    2
(1, 1, 0)    1
(0, 1, 1)    1
dtype: int64

你可以将其分配给一个变量，并获取你想要的元组。

counts = pd.value_counts(tuplify(s, 3))
counts[(1, 0, 1)]

2

---

故障

---

tuplify(s, 3)

[(1, 0, 1), (0, 1, 1), (1, 1, 0), (1, 0, 1)]

元组是可哈希的，因此可以进行计数，pd.value_counts 的使用如上所示。

- piRSquared

---

太厉害了！我一直在想那个数组前面的星号是干什么用的(zip(*[[list]]))。找不到任何关于这种语法的文档，但看起来很多魔法都依赖于它。 - Gian Segato

是的！这绝对是其中的一部分魔法。zip期望位置参数。我的列表推导式是一个单一的对象。前面的*将所有列表元素“解包”为位置参数。 - piRSquared

Answer 2

我不知道有没有直接操作pandas序列的方法来实现这个，可能需要先将pandas序列转换为字符串。下面的方法是将序列转换为字符串，然后使用count函数。

import pandas as pd
import re

s = pd.Series([1,0,1,1,0,1])

# convert to string and remove all whitespace
re.sub('\s+', '', s.to_string(index=False)).count('101')
# 2

- 3novak