Skip to main content
 首页 » 编程设计

python之( Pandas )如何计算与以前相同的值出现的频率 (并从中提取一个新的列)

2024年11月01日20虾米姐

我正在寻找一种从我的 Pandas Dataframe 中提取新列的方法,该列显示了当前值与以前相同(没有中断)出现的频率计数

例如从像这样的专栏中出来:

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

应提取以下列:

0 
1 
0 
1 
0 
1 
2 
0 
1 
2 
3 
0 

几年前用户发布的类似内容:

df = df.groupby(df['RiseOrFall'].ne(df['RiseOrFall'].shift()).cumsum())['RiseOrFall'].value_counts() 
 
Or: 
 
df = df.groupby([df['RiseOrFall'].ne(df['RiseOrFall'].shift()).cumsum(), 'RiseOrFall']).size() 
 
print (df) 
values  values 
1       10        2 
2       23        2 
3       9         3 
4       10        4 
5       12        1 
Name: values, dtype: int64 

但是通过上面的代码,我只显示了该值在一行中出现了多少次的总值,(而不是对它的计数) 我需要的应该是一个与“RiseOrFall”列具有相同索引且具有相同行数的列,如下所示:

0 
1 
0 
1 
0 
1 
2 
0 
1 
2 
3 
0 

请您参考如下方法:

您可以使用 df.RiseOrFall.ne(df.RiseOrFall.shift()).cumsum() 对 RiseOrFall 列上的每个更改进行分组,然后使用 累计数:

df.assign(Count=df.groupby(df.RiseOrFall.ne(df.RiseOrFall.shift()).cumsum()).cumcount()) 

    RiseOrFall  Count 
0           10      0 
1           10      1 
2           23      0 
3           23      1 
4            9      0 
5            9      1 
6            9      2 
7           10      0 
8           10      1 
9           10      2 
10          10      3 
11          12      0 

注意:请将其分配回去:df=df.assign(....)