计算系列开始/结束时的零数答案

【问题标题】：Calculate the number of zeros at start/end of Series计算系列开始/结束时的零数
【发布时间】：2019-08-13 05:40:41
【问题描述】：

我有一个这样的系列：

s = pd.Series([0, 0, 0, 1, 2, 3])
s
Out[00]: 
0    0
1    0
2    0
3    1
4    2
5    0
dtype: int64

我想计算这个系列中开头和结尾零的数量。所以在这种情况下，我应该得到 3 作为开始，因为在第一个非零数字之前有 3 个零，而 1 用于尾随零，因为在最后一个非零之后的系列尾部有一个零。

到目前为止我做了什么

到目前为止，我的解决方案是使用累积和

sum(s.cumsum() == 0) # begenning
np.sum(np.cumsum(s.values[::-1]) == 0) # trailing

但这对于非常大的系列来说非常慢，尤其是尾随零计算，我需要一个替代方案。

【问题讨论】：

标签： python pandas series

【解决方案1】：

使用numpy.nonzero:

import numpy as np

n_rows = len(s)
indices = np.nonzero(s)[0]

if indices.size>0:
    head = indices[0]
    trail = n_rows - indices[-1] -1
else:
    head, trail = n_rows, n_rows
print(head, trail)

输出：

3 1

基准测试（大约快 15 倍）：

s = np.zeros(100000)
s[30000:50000] +=1
s = pd.Series(s)

%%timeit

n_rows = len(s)
indices = np.nonzero(s)[0]

if indices.size>0:
    head = indices[0]
    trail = n_rows - indices[-1] -1
else:
    head, trail = n_rows, n_rows
# 661 µs ± 8.63 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

%%timeit

sum(s.cumsum() == 0) # begenning
np.sum(np.cumsum(s.values[::-1]) == 0) # trailing
# 9.39 ms ± 163 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

经过测试和编辑：适用于全零和非零情况。

【讨论】：

@jezrael 它确实不适用于全零，因此已更新。慢一点，但仍然快 15 倍 ;)

【解决方案2】：

出于好奇，我检查了另一种普通的 pandas 方法，并针对一个有 1.000.000 行的系列测试了所有三个版本。

事实证明，Chris 的版本比原始版本快 18 倍，比我的 pandas 版本快 2 倍。但请注意，我的 pandas 版本假设索引是从 0 开始的连续整数索引（因此 .iloc[i] 将返回与 .loc[i] 相同的值），而 chris 的版本独立于索引。

def test_pandas_version(s):
    truth=(s!=0)
    idxs= truth.index.where(truth, np.NaN)
    #first_one=idxs.min()
    first_one=truth.idxmax()
    last_one= idxs.max()
    whole_len=   truth.shape[0]
    prefix_len=  first_one
    suffix_le=   whole_len - last_one - 1
    if prefix_len == np.NaN:
        prefix_len= whole_len
        suffix_len= 0
    return (prefix_len, suffix_le)

def test_original_version(s):
    suffix_len = np.sum(np.cumsum(s.values[::-1]) == 0) # begenning
    prefix_len= sum(s.cumsum() == 0) 
    return (prefix_len, suffix_le)

def test_np_version(s):
    n_rows = len(s)
    indices = np.nonzero(s)[0]

    if indices.size>0:
        head = indices[0]
        trail = n_rows - indices[-1] -1
    else:
        head, trail = n_rows, n_rows
    return (head, trail)

for func in [test_np_version, test_pandas_version, test_original_version]:
    before= datetime.now()
    for i in range(100):
        result= func(s1)
    after= datetime.now()
    time_diff= (after-before).total_seconds()
    print(f'result for {func.__name__} was {result} in {time_diff} seconds')

【讨论】：