我有一个熊猫DataFrame,其定义如下：

# -*- coding: utf-8 -*-

import datetime as dt

import pandas as pd

data = [[1, 1], [1, 1], [2, 2], [2, 2], [2, 2], [3, 3], [4, 4], [4, 4],

[4, 4], [5, 5], [5, 5]]

df = pd.DataFrame(data, columns=['A', 'B'])

df.index = pd.date_range(dt.datetime(2012, 1, 1), periods=len(df), freq='H')

print(df)

和产量：

A B

2012-01-01 00:00:00 1 1

2012-01-01 01:00:00 1 1

2012-01-01 02:00:00 2 2

2012-01-01 03:00:00 2 2

2012-01-01 04:00:00 2 2

2012-01-01 05:00:00 3 3

2012-01-01 06:00:00 4 4

2012-01-01 07:00:00 4 4

2012-01-01 08:00:00 4 4

2012-01-01 09:00:00 5 5

2012-01-01 10:00:00 5 5

现在,我试图获取A和B列相等且至少(或恰好也足够)A和B中n个连续行(此处为小时)相等的行的索引,即我想提取索引值在A和B相等的情况下,它们必须是连续的(长度大于等于= n的切片).

因此,在这种情况下,对于n = 2,它应该是“ twos”和“ fours”的索引：

2012-01-01 02:00:00

2012-01-01 03:00:00

2012-01-01 04:00:00

2012-01-01 06:00:00

2012-01-01 07:00:00

2012-01-01 08:00:00

仅获取A和B相等的行的索引很简单.

但是,如何仅获取n个连续的相等元素？

我想肯定有一些我目前看不到的花哨的groupby方法.

解决方法:

根据您的描述,我不清楚为什么1& 1.结果中将排除5个,因为它们每个都包含2个或多个连续的行,且A和A的值匹配. B．

但是,下面的解决方案仍然应该会有所帮助,并且我确定您可以对其进行修改以适合您的需求.它首先过滤数据帧以匹配A列和B列中的值(df_matching).然后,它使用移位累加模式将连续的匹配值分组,然后对n进行过滤.

n = 2

df_matching = df[df.A == df.B]

gb = df_matching.groupby((df_matching.A != df_matching.A.shift()).cumsum())

df_target = gb.filter(lambda x: len(x) >= n)

>>> df_target

A B

2012-01-01 00:00:00 1 1

2012-01-01 01:00:00 1 1

2012-01-01 02:00:00 2 2

2012-01-01 03:00:00 2 2

2012-01-01 04:00:00 2 2

2012-01-01 06:00:00 4 4

2012-01-01 07:00:00 4 4

2012-01-01 08:00:00 4 4

2012-01-01 09:00:00 5 5

2012-01-01 10:00:00 5 5

上面的数据框是为了确保它符合您的期望.然后只需提取索引：

>>> df_target.index

DatetimeIndex(['2012-01-01 00:00:00', '2012-01-01 01:00:00',

'2012-01-01 02:00:00', '2012-01-01 03:00:00',

'2012-01-01 04:00:00', '2012-01-01 06:00:00',

'2012-01-01 07:00:00', '2012-01-01 08:00:00',

'2012-01-01 09:00:00', '2012-01-01 10:00:00'],

dtype='datetime64[ns]', freq=None)

请注意,如果n = 3,您将获得预期的结果.

标签：pandas,python

来源： https://codeday.me/bug/20191111/2018349.html