在大熊猫

Question

二进制数据系列有一个数据框与下面的列的条件长度：

df['A'] = [1,1,1,0,1,1,1,1,0,1] 

什么是控制一些限制值“1” - 系列长度最好量化的方式？比方说，限制为2，则所得列“B”必须是这样的：

A B 
0 1 1 
1 1 1 
2 1 0 
3 0 0 
4 1 1 
5 1 1 
6 1 0 
7 1 0 
8 0 0 
9 1 1 

Answer 1

一个完全量化的解决方案是使用shift - groupby - cumsum - cumcount组合以指示连续运行比2短（或者你喜欢的任何限制值）。然后，&这个新的布尔系列与原列：

df['B'] = ((df.groupby((df.A != df.A.shift()).cumsum()).cumcount() <= 1) & df.A)\ 
      .astype(int) # cast the boolean Series back to integers 

这将产生在数据帧的新列：

A B 
0 1 1 
1 1 1 
2 1 0 
3 0 0 
4 1 1 
5 1 1 
6 1 0 
7 1 0 
8 0 0 
9 1 1 

---

见pandas cookbook; “分组像Python的itertools.groupby”

Answer 2

另一种方式对分组的部分，（检查，如果前两个是：1）：

In [443]: df = pd.DataFrame({'A': [1,1,1,0,1,1,1,1,0,1]}) 

In [444]: limit = 2 

In [445]: df['B'] = map(lambda x: df['A'][x] if x < limit else int(not all(y == 1 for y in df['A'][x - limit:x])), range(len(df))) 

In [446]: df 
Out[446]: 
    A B 
0 1 1 
1 1 1 
2 1 0 
3 0 0 
4 1 1 
5 1 1 
6 1 0 
7 1 0 
8 0 0 
9 1 1 

Answer 3

如果你知道，在该系列中的值都将是要么0或我认为你可以用一个涉及卷积的小技巧。让你列的副本（不一定是熊猫的对象，它可以只是一个正常的numpy的阵列）

a = df['A'].as_matrix() 

，并与1组成的序列比cutoff你想要的，然后再一个卷积它砍掉最后的cutoff元素。例如。为2的cutoff，你会做

long_run_count = numpy.convolve(a, [1, 1, 1])[:-2] 

所得阵列，在这种情况下，给出了发生在3个元素之前并包括元件1的数量。如果这个数字是3，那么你的运行时间超过了长度2.所以把这些元素设置为零。

a[long_run_count > 2] = 0 

您可以将结果数组新的一列，现在在指定的DataFrame。

df['B'] = a 

要变成一个更常用的方法：

def trim_runs(array, cutoff): 
    a = numpy.asarray(array) 
    a[numpy.convolve(a, numpy.ones(cutoff + 1))[:-cutoff] > cutoff] = 0 
    return a