¿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)