根据列值自定义groupby [英] Custom groupby based on column values

问题描述

给出这个数据框：

  C 
索引
 0 9 
 1 0 
 2 1 
 3 5 
 4 0 
 5 1 
 6 2 
 7 20 
 8 0 
  
 
 
 
 
 
 >组1具有 [9,0] ，
 
 
组2具有 [1,5,0] ，
 
 
组3具有 [1，2，20，0] ？
 
 
 
 
 
这个想法是找出所有以0结尾的序列并将它们组合在一起。序列的大小可能不同，最后的序列可能不以0结尾。第一个元素永远不会为0。
 
 
 
我的最终结果如下所示：
 p> 
 
 
  C_new 
 9 
 6 
 23 
  
在哪里找到这些组，然后对它们进行求和。 
 
解决方案
使用  groupby 
 code>系列：
  print （df ['C']。shift（1）.eq（0）.cumsum（））
 0 0 
 1 0 
 2 1 
 3 1 
 4 1 
 5 2 
 6 2 
 7 2 
 8 2 
名称：C，dtype：int32 
 
 df = df [ C']。groupby（df ['C']。shift（1）.eq（0）.cumsum（））。sum（）
 print（df）
 C 
 0 9 
 1 6 
 2 23 
名称：C，dtype：int64 
  
 
Given this dataframe:
        C
index    
0       9
1       0
2       1
3       5
4       0
5       1
6       2
7       20
8       0
How can I split this into groups such that 


Group 1 has [9, 0], 
Group 2 has [1, 5, 0], 
Group 3 has [1, 2, 20, 0]?


The idea is to find all sequences that terminate with 0 and group them together. The sequences can vary in size and and the last sequence may not terminate with 0. The first element will never be 0.

My end result looks something like this:
C_new
9
6
23
Where I find these groups and then sum them.
解决方案
Use groupby by Series:
print (df['C'].shift(1).eq(0).cumsum())
0    0
1    0
2    1
3    1
4    1
5    2
6    2
7    2
8    2
Name: C, dtype: int32

df = df['C'].groupby(df['C'].shift(1).eq(0).cumsum()).sum()
print (df)
C
0     9
1     6
2    23
Name: C, dtype: int64


                        
这篇关于根据列值自定义groupby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！