Pandas连续数值分组与筛选教程
本文旨在讲解如何使用Pandas对DataFrame中连续的数值进行分组，并根据特定条件筛选分组后的数据。我们将以一个实际案例出发，演示如何根据'a'列的连续1值进行分组，并在每个分组中筛选出'b'列第一个值为1且分组长度大于1的数据。通过本文的学习，你将掌握Pandas中groupby、transform、filter等函数的灵活运用，提升数据处理能力。
本文旨在讲解如何使用Pandas对DataFrame中连续的数值进行分组，并根据特定条件筛选分组后的数据。我们将以一个实际案例出发，演示如何根据'a'列的连续1值进行分组，并在每个分组中筛选出'b'列第一个值为1且分组长度大于1的数据。通过本文的学习，你将掌握Pandas中groupby、transform、filter等函数的灵活运用，提升数据处理能力。
数据准备
首先，我们创建一个DataFrame，用于演示分组和筛选操作。
import pandas as pd
df = pd.DataFrame({
'a': [1, 1, 1, 0, 1, 0, 1, 1, 0, 0, 1, 1, 0, 0],
'b': [-1, 1, 1, -1, 1, -1, -1, 1, -1, -1, 1, 1, -1, -1]
})
print(df)输出结果如下：
a b 0 1 -1 1 1 1 2 1 1 3 0 -1 4 1 1 5 0 -1 6 1 -1 7 1 1 8 0 -1 9 0 -1 10 1 1 11 1 1 12 0 -1 13 0 -1
连续数值分组
我们的目标是根据'a'列中连续的1值进行分组，并且包含每个连续1值序列后的第一个0值所在的行。为了实现这个目标，我们需要创建一个分组器。
g = df['a'].eq(0).cumsum().sub(df['a'].eq(0)) print(g)
这行代码的作用是：
- df['a'].eq(0)：创建一个布尔Series，标记'a'列中值为0的位置为True，否则为False。
- .cumsum()：对布尔Series进行累加，每次遇到True时，累加值加1。这样，每个连续的1值序列及其后的第一个0值都会被赋予相同的累加值。
- .sub(df['a'].eq(0))：从累加值中减去df['a'].eq(0)，这一步是为了确保每个连续1值序列的起始位置的组号是正确的。
条件筛选
现在我们已经有了分组器g，接下来我们需要根据条件筛选分组后的数据。筛选条件是：
- 每个分组中'b'列的第一个值为1。
- 每个分组的长度大于1。
我们可以使用transform函数来实现这两个条件：
cond1 = df.groupby(g)['b'].transform('first').eq(1)
cond2 = df.groupby(g)['b'].transform('count').gt(1)解释：
- df.groupby(g)['b'].transform('first')：计算每个分组中'b'列的第一个值，并将其广播到整个分组。
- .eq(1)：判断每个分组中'b'列的第一个值是否等于1，生成一个布尔Series。
- df.groupby(g)['b'].transform('count')：计算每个分组的长度，并将其广播到整个分组。
- .gt(1)：判断每个分组的长度是否大于1，生成一个布尔Series。
数据提取
最后，我们将满足两个条件的分组提取出来：
out = [d for _, d in df[cond1 & cond2].groupby(g)] print(out)
这行代码的作用是：
- cond1 & cond2：将两个布尔Series进行逻辑与操作，得到一个包含同时满足两个条件的行的布尔Series。
- df[cond1 & cond2]：根据布尔Series筛选DataFrame，得到满足条件的行。
- .groupby(g)：再次根据分组器g对筛选后的DataFrame进行分组。
- [d for _, d in ...]：使用列表推导式提取每个分组的DataFrame。
输出结果如下：
[ a b
4 1 1
5 0 -1,
a b
10 1 1
11 1 1
12 0 -1]完整代码
以下是完整的代码：
import pandas as pd
df = pd.DataFrame({
'a': [1, 1, 1, 0, 1, 0, 1, 1, 0, 0, 1, 1, 0, 0],
'b': [-1, 1, 1, -1, 1, -1, -1, 1, -1, -1, 1, 1, -1, -1]
})
g = df['a'].eq(0).cumsum().sub(df['a'].eq(0))
cond1 = df.groupby(g)['b'].transform('first').eq(1)
cond2 = df.groupby(g)['b'].transform('count').gt(1)
out = [d for _, d in df[cond1 & cond2].groupby(g)]
print(out)总结
本文详细介绍了如何使用Pandas对DataFrame中连续的数值进行分组，并根据特定条件筛选分组后的数据。通过groupby、transform和条件筛选，我们可以灵活地处理复杂的数据分析任务。在实际应用中，可以根据具体需求调整分组器和筛选条件，以满足不同的数据处理需求。
正软商城本月促销专区，汇集办公、设计、安全、影音、系统工具及AI软件等正版软件优惠活动，提供限时折扣、特价授权和优惠购买信息，活动库存及价格以页面实时展示为准。
正软商城装机必备专区，精选办公、浏览器、安全防护、影音播放、压缩解压、设计创作和系统工具等电脑常用正版软件，帮助用户快速完成新电脑软件配置。
正软商城Windows软件专区，汇集适用于Windows电脑的办公、设计、安全防护、影音播放、开发工具和系统优化软件，提供软件介绍、系统要求、正版授权及购买下载服务。
正软商城macOS软件专区，精选适用于Mac电脑的办公、设计、影音、效率、开发和系统工具，提供软件功能介绍、macOS兼容版本、正版授权及购买下载服务。
正软商城iOS软件专区，精选适用于iPhone和iPad的办公、学习、影音、设计、效率及AI应用，提供功能介绍、适用设备、系统要求和正版获取方式等信息。
正软商城AI软件专区，汇集AI写作、AI绘画、AI视频、AI办公、AI编程、AI翻译、智能客服和数据分析等人工智能工具，提供功能介绍、适用平台、收费方式及正版购买信息。
正软商城PDF教程频道提供PDF编辑、转换、合并、拆分、压缩及格式处理方法，同时介绍常用PDF软件和工具的使用技巧。
赤友清理大师是一款为 Mac 设计的智能清理优化工具，可精准扫描垃圾、大文件、重复文件等，释放磁盘空间。做扫描整理、文字提取和表格转换时，它能把识别后的处理步骤接得更顺，资料录入这类场景会省下不少时间。
极度公式是一款跨平台专业LaTeX公式识别编辑软件，支持OCR公式识别和多平台编辑。和使用说明，避免使用，享受完整功能与稳定支持。做扫描整理、文字提取和表格转换时，它能把识别后的处理步骤接得更顺，资料录入这类场景会省下不少时间。
一款文字处理软件，一种订阅式的跨平台办公软件，基于云平台提供多种服务，通过将 Excel 和 Outlook 等应用与 OneDrive 和 Microsoft Teams 等强大的云服务相结合，Office 365 可让任何人使用任何设备随时随地创建和共享内容。
CodeExpander 是一款快捷短语输入增强工具，通过键入缩写自动展开为自定义文段，提升工作效率。任务管理和过程控制会更完整，持续下载、批量同步或需要稳定传输流程的场景会更适合它。
Mountain Duck 是一款能将多个网盘挂载到本地的工具，像本地磁盘一样使用网盘。清理链路的完整性会更好一些，做应用卸载、残留处理和空间整理时，通常能少走很多手动排查步骤。
极度公式是一款跨平台专业LaTeX公式识别编辑软件，支持OCR公式识别和多平台编辑。和使用说明，避免使用，享受完整功能与稳定支持。做扫描整理、文字提取和表格转换时，它能把识别后的处理步骤接得更顺，资料录入这类场景会省下不少时间。
一款文字处理软件，一种订阅式的跨平台办公软件，基于云平台提供多种服务，通过将 Excel 和 Outlook 等应用与 OneDrive 和 Microsoft Teams 等强大的云服务相结合，Office 365 可让任何人使用任何设备随时随地创建和共享内容。
Wise Folder Hider Pro 是一款专业级文件和文件夹隐藏加密软件，为私密数据添加多重保护。高频操作更强调就近处理，浏览、整理和跨目录移动文件时，来回切换和重复点击都会少很多。
CodeExpander 是一款快捷短语输入增强工具，通过键入缩写自动展开为自定义文段，提升工作效率。任务管理和过程控制会更完整，持续下载、批量同步或需要稳定传输流程的场景会更适合它。
Mountain Duck 是一款能将多个网盘挂载到本地的工具，像本地磁盘一样使用网盘。清理链路的完整性会更好一些，做应用卸载、残留处理和空间整理时，通常能少走很多手动排查步骤。
