excelwriter - pandas python

Pandas: conteo rodante condicional

Question

Tengo una serie que tiene el siguiente aspecto:

   col
0  B
1  B
2  A
3  A
4  A
5  B

Es una serie de tiempo, por lo tanto el índice está ordenado por tiempo.

Para cada fila, me gustaría contar cuántas veces ha aparecido el valor consecutivamente, es decir:

Salida:

   col count
0  B   1
1  B   2
2  A   1 # Value does not match previous row => reset counter to 1
3  A   2
4  A   3
5  B   1 # Value does not match previous row => reset counter to 1

Encontré 2 preguntas relacionadas, pero no puedo descubrir cómo "escribir" esa información como una nueva columna en el Marco de datos, para cada fila (como se muestra arriba). Usar rolling_apply no funciona bien.

Relacionado:

Contando eventos consecutivos en el marco de datos de pandas por su índice

Encontrar segmentos consecutivos en un marco de datos pandas

Answer 1

Basado en la segunda respuesta que vinculó, asumiendo que s es su serie.

df = pd.DataFrame(s)
df[''block''] = (df[''col''] != df[''col''].shift(1)).astype(int).cumsum()
df[''count''] = df.groupby(''block'').transform(lambda x: range(1, len(x) + 1))


In [88]: df
Out[88]: 
  col  block  count
0   B      1      1
1   B      1      2
2   A      2      1
3   A      2      2
4   A      2      3
5   B      3      1

Answer 2

Creo que hay una buena manera de combinar la solución de @chrisb y @CodeShaman (como se señaló, la solución de CodeShamans cuenta valores totales y no consecutivos).

  df[''count''] = df.groupby((df[''col''] != df[''col''].shift(1)).cumsum()).cumcount()+1

  col  count
0   B      1
1   B      2
2   A      1
3   A      2
4   A      3
5   B      1

Answer 3

Me gusta la respuesta de @chrisb pero quería compartir mi propia solución, ya que algunas personas pueden encontrarla más legible y más fácil de usar con problemas similares ...

1) Crear una función que utiliza variables estáticas.

def rolling_count(val):
    if val == rolling_count.previous:
        rolling_count.count +=1
    else:
        rolling_count.previous = val
        rolling_count.count = 1
    return rolling_count.count
rolling_count.count = 0 #static variable
rolling_count.previous = None #static variable

2) aplicarlo a su Serie después de convertir a dataframe

df  = pd.DataFrame(s)
df[''count''] = df[''col''].apply(rolling_count) #new column in dataframe

salida de df

  col  count
0   B      1
1   B      2
2   A      1
3   A      2
4   A      3
5   B      1

Answer 4

Si desea hacer lo mismo pero filtrar en dos columnas, puede usar esto.

def count_consecutive_items_n_cols(df, col_name_list, output_col):
    cum_sum_list = [
        (df[col_name] != df[col_name].shift(1)).cumsum().tolist() for col_name in col_name_list
    ]
    df[output_col] = df.groupby(
        ["_".join(map(str, x)) for x in zip(*cum_sum_list)]
    ).cumcount() + 1
    return df

col_a col_b count
0   1     B     1
1   1     B     2
2   1     A     1
3   2     A     1
4   2     A     2
5   2     B     1

Answer 5

Un trazador de líneas:

df[''count''] = df.groupby(''col'').cumcount()

o

df[''count''] = df.groupby(''col'').cumcount() + 1

Si quieres que los conteos comiencen a 1.