如何在Python的数据框中计算特定值之前出现的次数？

Question

我有一个如下的数据框：

A   B   C
1   1   1
2   0   1
3   0   0
4   1   0
5   0   1
6   0   0
7   1   0

我希望在以下条件下找出 df['B'] 中零的出现次数：

if(df['B']<df['C']):
  #count number of zeroes in df['B'] until it sees 1.

期望输出：

A   B   C  output
1   1   1   Nan
2   0   1   1
3   0   0   Nan
4   1   0   Nan
5   0   1   1
6   0   1   0
7   1   0   Nan

我不知道如何表达计数部分，非常感谢任何帮助。

- hakuna_code

Answer 1

使用掩码和对反转后的序列进行分组。这假设二进制数据（仅为0和1）。

---

m = df['B'][::-1].eq(0)
d = m.groupby(m.ne(m.shift()).cumsum()).cumsum().sub(1)
d[::-1].where(df['B'] < df['C'])

0    NaN
1    1.0
2    NaN
3    NaN
4    1.0
5    0.0
6    NaN
Name: B, dtype: float64

并采用基于numpy的快速方法

def zero_until_one(a, b):
    n = a.shape[0]    
    x = np.flatnonzero(a < b)
    y = np.flatnonzero(a == 1)    
    d = np.searchsorted(y, x)
    r = y[d] - x - 1
    out = np.full(n, np.nan)
    out[x] = r   
    return out

zero_until_one(df['B'], df['C'])

array([nan,  1., nan, nan,  1.,  0., nan])

性能

df = pd.concat([df]*10_000)

%timeit chris1(df)
19.3 ms ± 348 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

%timeit yatu(df)
12.8 ms ± 54.3 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

%timeit zero_until_one(df['B'], df['C'])
2.32 ms ± 31.3 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

- user3483203

---

numpy函数的好主意，猜测numba可能更快。 - BENY

Answer 2

如果我理解得正确，一种方法是使用自定义分组器并结合groupby.cumcount进行聚合：

c1 = df.B.lt(df.C)
g = df.B.eq(1).cumsum()
df['out'] = c1.groupby(g).cumcount(ascending=False).shift().where(c1).sub(1)

---

print(df)

   A  B  C  out
0  1  1  1  NaN
1  2  0  1  1.0
2  3  0  0  NaN
3  4  1  0  NaN
4  5  0  1  1.0
5  6  0  1  0.0
6  7  1  0  NaN

- yatu

Answer 3

让我们把它压缩成一行。

df.groupby(df.B.iloc[::-1].cumsum()).cumcount(ascending=False).shift(-1).where(df.B<df.C)
Out[80]: 
0    NaN
1    1.0
2    NaN
3    NaN
4    1.0
5    0.0
6    NaN
dtype: float64

- BENY