Python：创建一个根据条件变化的递增变量

Question

我想创建一个名为“inc”的变量，每次满足条件时（例如，Delta>=5），该变量都会按顺序递增，否则保持相同，并在每次遇到新组（本例中为 ID）时重置为 1 ）。这是一个示例数据框：

from pandas import *
d={'rx': [1,1,1,1,1,2,2,2,2,2],
    'vals': [1,2,3,8,10,1,10,20,21,22]}
df=DataFrame(d)


def diff_func(df):
    return df.diff()                                

df['delta'] = df.groupby(['rx'])['vals'].apply(diff_func)  

产生这个：

rx  vals delta
1   1    NaN
1   2    1
1   3    1
1   8    5
1   10   2
2   1    NaN
2   10   9
2   20   10
2   21   1
2   22   1

所以现在我想创建一个名为“Event”的新列，稍后我将使用它对由 delta 分隔的每个 rx 值内的观察结果进行分组< 5:

rx  vals    delta   Event
1   1       NaN     1
1   2       1       1
1   3       1       1
1   8       5       2
1   10      2       2
2   1       NaN     1
2   10      9       2
2   20      10      3
2   21      1       3
2   22      1       3

请注意，“event”在第一次出现 rx 时返回到 1。我习惯在 vbasic 或 SAS 中执行此操作，只需保留一个值，然后在每次满足阈值触发器时加 1。 Python 中是否有类似的简单解决方案？

Answer 1

通常的做法是先进行比较，然后进行累加。例如，类似：

>>> df["Event"] = (df["delta"] >= 5).groupby(df["rx"]).cumsum() + 1
>>> df
   rx  vals  delta  Event
0   1     1    NaN      1
1   1     2      1      1
2   1     3      1      1
3   1     8      5      2
4   1    10      2      2
5   2     1    NaN      1
6   2    10      9      2
7   2    20     10      3
8   2    21      1      3
9   2    22      1      3

之所以有效，是因为（为了简单起见，忽略 groupby，只关注

rx == 1

:)

False == 0

和

True == 1

:

>>> df["delta"]
0   NaN
1     1
2     1
3     5
4     2
Name: delta, dtype: float64
>>> df["delta"] >= 5
0    False
1    False
2    False
3     True
4    False
Name: delta, dtype: bool
>>> (df["delta"] >= 5).cumsum()
0    0
1    0
2    0
3    1
4    1
Name: delta, dtype: int64

Answer 2

def diff_func(df:pd.DataFrame):
    return df.assign(Event=df.delta.ge(5).cumsum().add(1))

df1.fillna(1).astype(int).groupby(['rx'],as_index=False).apply(diff_func)


┌───────┬───────┬───────┬───────┬───────┐
│ index │  rx   │ vals  │ delta │ Event │
│ int64 │ int32 │ int32 │ int32 │ int32 │
├───────┼───────┼───────┼───────┼───────┤
│     0 │     1 │     1 │     1 │     1 │
│     1 │     1 │     2 │     1 │     1 │
│     2 │     1 │     3 │     1 │     1 │
│     3 │     1 │     8 │     5 │     2 │
│     4 │     1 │    10 │     2 │     2 │
│     5 │     2 │     1 │     1 │     1 │
│     6 │     2 │    10 │     9 │     2 │
│     7 │     2 │    20 │    10 │     3 │
│     8 │     2 │    21 │     1 │     3 │
│     9 │     2 │    22 │     1 │     3 │
├───────┴───────┴───────┴───────┴───────┤
│ 10 rows                     5 columns │
└───────────────────────────────────────┘