如何识别 pandas 列中的下一个不同值

Question

我使用以下代码创建了一个 pandas 数据框：

ds = {"col1":[1,1,1,1,2,3,4,4,4,4,4,5,4,4,5,6]}

df = pd.DataFrame(data=ds)

数据框看起来像这样：

print(df)

    col1
0      1
1      1
2      1
3      1
4      2
5      3
6      4
7      4
8      4
9      4
10     4
11     5
12     4
13     4
14     5
15     6

我需要计算一个新的数据框列（称为

col2

），其中包含来自col1的

next

值，该值不同于当前值。

例子。

让我们看一下第 0 行。

col1

中的值为 1。

col1

中下一个不同于 1 的值是什么？它是值 2（在

row 4

）。

现在让我们看一下第 1 行。 col1 中的值为 1。

col1

中下一个不同于 1 的值是什么？它是值 2（在

row 4

）。

等等

生成的数据框如下所示：

生成这种数据框的 python 代码是什么？

Answer 1

您可以使用带有

where

、

shift

的掩码，以及

bfill

：

# identify the first value of each stretch
m = df['col1'].ne(df['col1'].shift())
# mask the other, shift up, backfill
df['col2'] = df['col1'].where(m).shift(-1).bfill()

输出：

    col1  col2
0      1   2.0
1      1   2.0
2      1   2.0
3      1   2.0
4      2   3.0
5      3   4.0
6      4   5.0
7      4   5.0
8      4   5.0
9      4   5.0
10     4   5.0
11     5   4.0
12     4   5.0
13     4   5.0
14     5   6.0
15     6   NaN

中级理解逻辑；

    col1  col2      m  where(m)  shift(-1)
0      1   2.0   True       1.0        NaN
1      1   2.0  False       NaN        NaN
2      1   2.0  False       NaN        NaN
3      1   2.0  False       NaN        2.0
4      2   3.0   True       2.0        3.0
5      3   4.0   True       3.0        4.0
6      4   5.0   True       4.0        NaN
7      4   5.0  False       NaN        NaN
8      4   5.0  False       NaN        NaN
9      4   5.0  False       NaN        NaN
10     4   5.0  False       NaN        5.0
11     5   4.0   True       5.0        4.0
12     4   5.0   True       4.0        NaN
13     4   5.0  False       NaN        5.0
14     5   6.0   True       5.0        6.0
15     6   NaN   True       6.0        NaN

Answer 2

这是另一个解决方案：

s = df['col1'].diff().ne(0).cumsum()

s.map(df.groupby(s)['col1'].first().shift(-1))

输出：

0     2.0
1     2.0
2     2.0
3     2.0
4     3.0
5     4.0
6     5.0
7     5.0
8     5.0
9     5.0
10    5.0
11    4.0
12    5.0
13    5.0
14    6.0
15    NaN