Pandas 数据帧在列中每次出现值（真）时拆分或分组数据帧

Question

有一个像这样的df：

df = pd.DataFrame({'words':['hi', 'this', 'is', 'a', 'sentence', 'this', 'is', 'another', 'sentence'], 'indicator':[1,0,0,0,0,1,0,0,0]})

这给了我：

    words  indicator
0        hi          1
1      this          0
2        is          0
3         a          0
4  sentence          0
5      this          1
6        is          0
7   another          0
8  sentence          0

现在我想合并列 'words' 的所有值，这些值在指示符中的 '1' 之后，直到下一个 '1' 出现。 这样的结果将是理想的结果：

                      words  indicator  counter
0     hi this is a sentence          1        5
1  this is another sentence          1        4

这并不容易解释，这就是我依赖这个例子的原因。 我尝试了 groupby 和 split，但无法找到解决方案。 最后一次尝试是设置某种 df.iterrows()，但我现在想避免这种情况，因为实际的 df 非常大。

提前感谢您的帮助！

Answer 1

您可以获取指标的cumulative sum，然后将其分组以将所有单词连接到一个空格中并计算每个句子中的单词数。

df["indicator"] = df["indicator"].cumsum()
df = df.groupby(
    "indicator", as_index=False
).agg(
    words=("words", " ".join), 
    counter=("indicator", "size")
)
#    indicator                     words  counter
# 0          1     hi this is a sentence        5
# 1          2  this is another sentence        4