확인 연속 발생은

Question

는 내가 DF과 같이 있습니다

Count 
1 
0 
1 
1 
0 
0 
1 
1 
1 
0 

나는 Count에서 1의 두 개 이상의 연속 발생이있는 경우 새 열에서 1을 반환 할과 0 경우 없기. 따라서 새 열에서 각 열은이 기준이 열 Count에서 충족되는 것을 기초로 1을 얻게됩니다. 내 원하는 출력은 다음과 같다 : 내가 생각하고

Count New_Value 
1  0 
0  0 
1  1 
1  1 
0  0 
0  0 
1  1 
1  1 
1  1 
0  0 

나는 itertools을 사용해야 할 수도 있습니다하지만 난 그것에 대해 읽고 있고 나는 아직 필요한 건너하지 않았습니다. 나는이 방법을 사용하여 연속적인 사건의 수를 세는 것뿐만 아니라 2도 카운트 할 수 있기를 바란다. 예를 들어, 때로는 연속 10 번을 계산해야하는데 여기 예제에서는 2를 사용합니다.

Answer 1

당신은 할 수 :

df['consecutive'] = df.Count.groupby((df.Count != df.Count.shift()).cumsum()).transform('size') * df.Count 

이 얻을 : 당신이 할 수있는 여기에서

Count consecutive 
0  1   1 
1  0   0 
2  1   2 
3  1   2 
4  0   0 
5  0   0 
6  1   3 
7  1   3 
8  1   3 
9  0   0 

을 어떤 임계 값 :

threshold = 2 
df['consecutive'] = (df.consecutive > threshold).astype(int) 

0 하나의 단계에서,

Count consecutive 
0  1   0 
1  0   0 
2  1   1 
3  1   1 
4  0   0 
5  0   0 
6  1   1 
7  1   1 
8  1   1 
9  0   0 

또는 :

취득하는 pandas 방법을 사용하여

효율성의 측면에서

(df.Count.groupby((df.Count != df.Count.shift()).cumsum()).transform('size') * df.Count >= threshold).astype(int) 

가 제공 상당한 속도 향상을 문제의 크기가 커지면 :

df = pd.concat([df for _ in range(1000)]) 

%timeit (df.Count.groupby((df.Count != df.Count.shift()).cumsum()).transform('size') * df.Count >= threshold).astype(int) 
1000 loops, best of 3: 1.47 ms per loop 

과 비교했을 때

%%timeit 
l = [] 
for k, g in groupby(df.Count): 
    size = sum(1 for _ in g) 
    if k == 1 and size >= 2: 
     l = l + [1]*size 
    else: 
     l = l + [0]*size  
pd.Series(l) 

10 loops, best of 3: 76.7 ms per loop 

Answer 2

확실하지 않음이 최적화되어 있습니다,하지만 당신은 그것을 시도 줄 수있는 경우 :

from itertools import groupby 
import pandas as pd 

l = [] 
for k, g in groupby(df.Count): 
    size = sum(1 for _ in g) 
    if k == 1 and size >= 2: 
     l = l + [1]*size 
    else: 
     l = l + [0]*size 

df['new_Value'] = pd.Series(l) 

df 

Count new_Value 
0 1 0 
1 0 0 
2 1 1 
3 1 1 
4 0 0 
5 0 0 
6 1 1 
7 1 1 
8 1 1 
9 0 0