如何对 pandas DataFrame 中的连续值进行分组

Question

我在 DataFrame 中有一个列，其中包含值：

[1, 1, -1, 1, -1, -1]

如何将它们分组？

[1,1] [-1] [1] [-1, -1]

Answer 1

您可以自定义使用

groupby

Series

:

df = pd.DataFrame({'a': [1, 1, -1, 1, -1, -1]})
print(df)
   a
0  1
1  1
2 -1
3  1
4 -1
5 -1

print(df['a'].ne(df['a'].shift()).cumsum())
0    1
1    1
2    2
3    3
4    4
5    4
Name: a, dtype: int32

for i, g in df.groupby(df['a'].ne(df['a'].shift()).cumsum()):
    print(i)
    print(g)
    print(g.a.tolist())

1
   a
0  1
1  1
[1, 1]
2
   a
2 -1
[-1]
3
   a
3  1
[1]
4
   a
4 -1
5 -1
[-1, -1]

Answer 2

使用来自 Jez 的

groupby

数据中的

itertools

from itertools import groupby
[ list(group) for key, group in groupby(df.a.values.tolist())]
Out[361]: [[1, 1], [-1], [1], [-1, -1]]

Answer 3

Series.diff

是标记组边界的另一种方式（

a!=a.shift

表示

a.diff!=0

）：

consecutives = df['a'].diff().ne(0).cumsum()

# 0    1
# 1    1
# 2    2
# 3    3
# 4    4
# 5    4
# Name: a, dtype: int64

要将这些组变成一系列列表（请参阅列表列表的其他答案），请使用

groupby.agg

或

groupby.apply

:

进行聚合

df['a'].groupby(consecutives).agg(list)

# a
# 1      [1, 1]
# 2        [-1]
# 3         [1]
# 4    [-1, -1]
# Name: a, dtype: object

Answer 4

如果您正在处理字符串值：

s = pd.DataFrame(['A','A','A','BB','BB','CC','A','A','BB'], columns=['a'])
string_groups = sum([['%s_%s' % (i,n) for i in g] for n,(k,g) in enumerate(itertools.groupby(s.a))],[])

>>> string_groups 
['A_0', 'A_0', 'A_0', 'BB_1', 'BB_1', 'CC_2', 'A_3', 'A_3', 'BB_4']

grouped = s.groupby(string_groups, sort=False).agg(list)
grouped.index = grouped.index.str.split('_').str[0]

>>> grouped
            a
A   [A, A, A]
BB   [BB, BB]
CC       [CC]
A      [A, A]
BB       [BB]

作为一个单独的函数：

def groupby_consec(df, col):
    string_groups = sum([['%s_%s' % (i, n) for i in g]
                         for n, (k, g) in enumerate(itertools.groupby(df[col]))], [])
    return df.groupby(string_groups, sort=False)