如何计算一列中所有相同大小的重复值序列

如何解决如何计算一列中所有相同大小的重复值序列

我正在尝试将具有多个重复值的列转换为一个数据帧，该数据帧的每个唯一值都有一列，并且行计算发生相同大小的重复序列的次数。

例如：想象一个运动队的结果（胜利，平局，失败）。

results = np.array (['w','w','l','d','l'])

问题是团队一次获胜，连续两次获胜，连续三次获胜等等的次数。换句话说，请转换此DataFrame中的该列：

df_freq = pd.DataFrame ({'w': [1,3,1],'d': [3,2,0],'l': [3,1,0]},index = range (1,5))

注意：该序列仅按最高顺序计数（重复四次也不会重复两次）。

我尝试通过结合熊猫的内置功能（例如.groupby .transform .value_counts来做到这一点，但只能通过循环来获取它并返回错误警告（“ A试图在DataFrame的切片副本上设置值“），也设置为NaN而不是零。

所以问题是我如何才能改进它，以便获得更快，更短的代码。 代码：

import pandas as pd
import numpy as np

results = np.array(['w','l'])

df = pd.DataFrame(results,columns =['results'])
list_results = df['results'].unique()
df_occ = pd.DataFrame(columns = list_results) 
df['CumCount'] = df.groupby(['results']).cumcount()

for r in list_results:
    df[r] = df['results'].eq(r)
    df['end '+str(r)] = (df[r] == True) & (df[r].shift(-1) == False)
    if (df[r].iloc[-1] == True):
        df['end '+str(r)].iloc[-1] = True
    df_occ[r] = pd.concat([df['CumCount'][df['end '+str(r)] == True].diff().fillna(df['CumCount']+1)],ignore_index = True)

max_occ = int(df_occ.max().max())
df_freq = pd.DataFrame(0,columns = list_results,index = np.arange(1,max_occ+1))

for r in list_results:
    values = df_occ[r].value_counts(dropna=True).keys().tolist()
    counts = df_occ[r].value_counts(dropna=True).tolist()
    df_freq[r] = df_freq[r].index.map(dict(zip(values,counts)))
print(df_freq)

解决方法

使用2个groupbys进行此操作。第一组将连续事件分组。第二个获得那些频率。

s = pd.Series(results)
df = s.groupby(s.ne(s.shift()).cumsum()).agg(['size','first'])
df.groupby([*df]).size()

#size  first
#1     d        3
#      l        3
#      w        1
#2     d        1
#      l        2
#      w        3
#4     w        1

或根据需要调整形状，并确保显示所有可能的尺寸：

(df.groupby([*df]).size().unstack(-1)
   .reindex(range(1,df['size'].max()+1))
   .rename_axis(None,axis=1))

#        d    l    w
#size               
#1     3.0  3.0  1.0
#2     1.0  2.0  3.0
#3     NaN  NaN  NaN
#4     NaN  NaN  1.0

,

您可以利用itertools.groupby的分组功能来构造每个连续键的元组key-len的列表。用它来构造一个数据框，并在此数据框上调用pivot_table

from itertools import groupby

arr = [(k,len(list(g))) for k,g in groupby(results)]
df_final = pd.DataFrame(arr).pivot_table(index=1,columns=0,aggfunc='size')

Out[271]:
0    d    l    w
1
1  3.0  3.0  1.0
2  1.0  2.0  3.0
4  NaN  NaN  1.0

---

注意：如果您希望对所有3或0进行索引NaN，只需像@ALollz解决方案那样链接其他reindex。对于这一步，我将使用与他相同的reindex，因此我不会将其写出来。