计算一个值的出现，直到它更改为另一个值 [英] Count appearances of a value until it changes to another value

问题描述

我有以下DataFrame：

I have the following DataFrame:

df = pd.DataFrame([10, 10, 23, 23, 9, 9, 9, 10, 10, 10, 10, 12], columns=['values'])

我想计算每个值的频率，而不是总计数-每个值的计数直到改变为另一个值。

I want to calculate the frequency of each value, but not an overall count - the count of each value until it changes to another value.

我尝试过：

df['values'].value_counts()

但是它给了我

10    6
9     3
23    2
12    1

所需的输出是

10:2 
23:2
 9:3
10:4
12:1

我该怎么做？

推荐答案

使用：

df = df.groupby(df['values'].ne(df['values'].shift()).cumsum())['values'].value_counts()

或：

df = df.groupby([df['values'].ne(df['values'].shift()).cumsum(), 'values']).size()

---

---

print (df)
values  values
1       10        2
2       23        2
3       9         3
4       10        4
5       12        1
Name: values, dtype: int64

最后删除第一级的时间：

Last for remove first level:

df = df.reset_index(level=0, drop=True)
print (df)
values
10    2
23    2
9     3
10    4
12    1
dtype: int64

说明：

用 shift ed不等于 ne ，然后添加 总金额 用于帮助程序系列：

print (pd.concat([df['values'], a, b, c], 
                 keys=('orig','shifted', 'not_equal', 'cumsum'), axis=1))
    orig  shifted  not_equal  cumsum
0     10      NaN       True       1
1     10     10.0      False       1
2     23     10.0       True       2
3     23     23.0      False       2
4      9     23.0       True       3
5      9      9.0      False       3
6      9      9.0      False       3
7     10      9.0       True       4
8     10     10.0      False       4
9     10     10.0      False       4
10    10     10.0      False       4
11    12     10.0       True       5

这篇关于计算一个值的出现，直到它更改为另一个值的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！