在 Python 中使用 Numpy.Where 和 Pandas.Shift 的 If 语句答案

【问题标题】：If statement using Numpy.Where and Pandas.Shift in Python在 Python 中使用 Numpy.Where 和 Pandas.Shift 的 If 语句
【发布时间】：2019-12-11 17:47:11
【问题描述】：

我有一个类似于下面的 DataFrame。我正在尝试计算它从 False 切换到 True 的次数的滚动计数。

Time   True/False
 1         0
 2         1
 3         1
 4         0
 5         0
 6         0
 7         1
 8         1
 9         0
 10        1
 11        0

下面的代码是我使用 ``numpy.where 得出的，但我没有得到我想要的结果。

Test['RollingCount'] = np.where(Test['True/False'] == 0, Test['RollingCount'].shift(1),
                       np.where((Test['True/False'] == 1) & (Test['True/False'].shift(1) == 1), Test['RollingCount'].shift(1),
                       np.where((Test['True/False'] == 1) & (Test['True/False'].shift(1) == 0), (Test['RollingCount'].shift(1) + 1),
                       np.where(Test['True/False'] == 1, 1, 0))))

下面是我想要完成的输出。知道我做错了什么吗？有没有更好的方法来解决这个问题？

Time   True/False   RollingCount
 1         0              0
 2         1              1
 3         1              1
 4         0              1
 5         0              1
 6         0              1
 7         1              2
 8         1              2
 9         0              2
 10        1              3
 11        0              3

【问题讨论】：

标签： python-3.x numpy dataframe if-statement lambda

【解决方案1】：

IIUC：

df['RollingCount'] = df['True/False'].diff(-1).eq(1).cumsum()

输出：

0     0
1     0
2     1
3     1
4     1
5     1
6     1
7     2
8     2
9     3
10    3
Name: True/False, dtype: int32

【讨论】：

【解决方案2】：

在 numpy 中，您可以使用 diff 和 cumsum 执行此操作：

d = np.concatenate(([0], np.diff(tf)))
result = np.cumsum(d[d > 0])

【讨论】：