计算数据框列中字符串的最大连续出现次数

Question

我有一个熊猫数据帧，我想在其中计算一列中特定字符串的连续出现次数。

假设我有以下数据帧。

   col1
0  string1
1  string1
2  string1
3  string2
4  string3
5  string3
6  string1

我想将a定义为例如string1或col1中任何其他字符串的最大连续出现次数。

在这种情况下，如果我想搜索a并返回3为string1，2sh应该返回string3。

如何实现？

Answer 1

可以做分组连续值的常用技巧：

df1 = df.groupby((df.col1 != df.col1.shift()).cumsum().rename(None)).col1.agg(['size', 'first'])
#   size    first
#1     3  string1
#2     1  string2
#3     2  string3
#4     1  string1

然后sort_values + drop_duplicates找到最大的：

df1 = df1.sort_values('size').drop_duplicates('first', keep='last').set_index('first').rename_axis(None)
#         size
#string2     1
#string3     2
#string1     3

所以现在你可以轻松查找它们：

df1.loc['string1']
#size    3
#Name: string1, dtype: int64

Answer 2

只是itertools groupby，这里的顺序保持与原始df相同

import itertools 
pd.DataFrame([x,len(list(y))] for x , y in itertools.groupby(df['col1']))
Out[92]: 
         0  1
0  string1  3
1  string2  1
2  string3  2
3  string1  1

---

pd.DataFrame([x,len(list(y))] for x , y in itertools.groupby(df['col1'])).groupby(0)[1].max()
Out[94]: 
0
string1    3
string2    1
string3    2
Name: 1, dtype: int64