¿Cómo contar el número de ocurrencias antes de un valor particular en el marco de datos python?

pandas dataframe

Question

Tengo un marco de datos como el siguiente:

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

Quiero el número de ocurrencias de ceros de df[''B''] bajo la siguiente condición:

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

Rendimiento esperado:

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

No sé cómo formular la parte de conteo. Cualquier ayuda es muy apreciada

Answer 1

Pasemos a una línea

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

Answer 2

Un enfoque de IIUC sería usar un groupby.cumcount personalizado y agregar con groupby.cumcount :

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

Answer 3

Usando un poco de enmascaramiento y un groupby en tu serie invertida. Esto supone datos binarios (solo 0 y 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

Y un enfoque rápido basado en numpy

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])

Actuación

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)