计算连胜 pandas

Question

我以为我知道该怎么做，但我正在努力解决这个问题。我正在尝试使用一个函数来创建一个新列。该函数查看当前行中 win 列的值，并需要将其与 win 列中的前一个数字进行比较，如下面的 if 语句所示。获胜列永远只会是 0 或 1。

import pandas as pd
data = pd.DataFrame({'win': [0, 0, 1, 1, 1, 0, 1]})
print (data)

   win
0    0
1    0
2    1
3    1
4    1
5    0
6    1

def streak(row):
    win_current_row = row['win']
    win_row_above = row['win'].shift(-1)
    streak_row_above = row['streak'].shift(-1)

    if (win_row_above == 0) & (win_current_row == 0):
        return 0
    elif (win_row_above == 0) & (win_current_row ==1):
        return 1
    elif (win_row_above ==1) & (win_current_row == 1):
        return streak_row_above + 1
    else:
        return 0

data['streak'] = data.apply(streak, axis=1)

所有这一切都以这个错误结束：

AttributeError: ("'numpy.int64' object has no attribute 'shift'", 'occurred at index 0')

在其他示例中，我看到引用 df['column'].shift(1) 的函数，所以我很困惑为什么在这种情况下我似乎无法做到这一点。

我也想得到的输出是：

result = pd.DataFrame({'win': [0, 0, 1, 1, 1, 0, 1], 'streak': ['NaN', 0 , 1, 2, 3, 0, 1]})
print(result)

   win streak
0    0    NaN
1    0      0 
2    1      1
3    1      2
4    1      3
5    0      0
6    1      1

感谢您帮助我摆脱困境。

Answer 1

让我们试试 groupby 和 cumcount:

m = df.win.astype(bool)
df['streak'] = (
    m.groupby([m, (~m).cumsum().where(m)]).cumcount().add(1).mul(m))

df
   win  streak
0    0       0
1    0       0
2    1       1
3    1       2
4    1       3
5    0       0
6    1       1

工作原理

使用 df.win.astype(bool)，将 df['win'] 转换为其等效的布尔值（1=True，0=False）。

接下来，

(~m).cumsum().where(m)

0    NaN
1    NaN
2    2.0
3    2.0
4    2.0
5    NaN
6    3.0
Name: win, dtype: float64

用唯一数字表示所有连续的 1，0 被屏蔽为 NaN。

现在，使用 groupby 和 cumcount 为组中的每一行分配一个单调递增的数字。

m.groupby([m, (~m).cumsum().where(m)]).cumcount()

0    0
1    1
2    0
3    1
4    2
5    2
6    0
dtype: int64

这就是我们想要的，但您可以看到它 1) 从零开始，并且 2) 还为 0 赋值（没有赢）。我们可以使用 m 来屏蔽它（x 乘以 1 (=True) 为 x，任何乘以 0 (=False) 为 0）。

m.groupby([m, (~m).cumsum().where(m)]).cumcount().add(1).mul(m)

0    0
1    0
2    1
3    2
4    3
5    0
6    1
dtype: int64

原地分配。

Answer 2

使用 pandas 时一个相当常见的技巧是按连续值分组。这一招就是.

为了解决你的特定问题，我们想要groupby个连续的值，然后使用cumsum，这意味着损失组（0组）将有一个累积值0 的总和，而获胜组（或 1 组）将追踪连胜记录。

grouper = (df.win != df.win.shift()).cumsum()
df['streak'] = df.groupby(grouper).cumsum()

   win  streak
0    0       0
1    0       0
2    1       1
3    1       2
4    1       3
5    0       0
6    1       1

为了便于解释，这是我们的 grouper Series，它允许我们按 1 和 0 的连续区域进行分组：

print(grouper)

0    1
1    1
2    2
3    2
4    2
5    3
6    4
Name: win, dtype: int64

Answer 3

您收到该错误的原因是因为 shift() 是 pandas 方法。您的代码试图做的是获取 numpy.int64 行 (row['win']) 中的值。所以你试图在 numpy.int64 上执行 shift()。这个 df['column'].shift(1) 所做的是获取一个日期框列，该列也是一个数据框，并将该列移动 1。

要亲自测试一下，请尝试打印（类型（数据['win']））和打印（类型（行['win']））和打印（类型（行））

那会告诉你数据类型。

当你到达
时你也会得到一个错误 streak_row_above = 行['streak'].shift(-1)

因为您在创建之前引用了行['streak']。

计算连胜 pandas

Compute winning streak with pandas

python

shift

dataframe

pandas