时间戳

首页 > 解决方案 > 为数据框中的每个用户查找最长的连续零运行

python - 为数据框中的每个用户查找最长的连续零运行

问题描述

我正在寻找数据帧中连续零的最大运行，结果按用户分组。我有兴趣在使用情况下运行 RLE。

样本输入：

用户--天--使用
A-----1-----0
A-----2--------0
A-----3------1
B --1--------0
B-----2-----1
B-----3--------0

期望的输出

用户---longest_run
a - - - - 2
b - - - - 1

mydata <- mydata[order(mydata$user, mydata$day),]
user <- unique(mydata$user)
d2 <- data.frame(matrix(NA, ncol = 2, nrow = length(user)))
names(d2) <- c("user", "longest_no_usage")
d2$user <- user
for (i in user) {
  if (0 %in% mydata$usage[mydata$user == i]) {
    run <- rle(mydata$usage[mydata$user == i]) #Run Length Encoding
    d2$longest_no_usage[d2$user == i] <- max(run$length[run$values == 0])
  } else {
    d2$longest_no_usage[d2$user == i] <- 0 #some users did not have no-usage days
  }
}
d2 <- d2[order(-d2$longest_no_usage),]

这在 R 中有效，但我想在 python 中做同样的事情，我完全被难住了

标签： pythonbinarycountingrun-length-encoding

解决方案

使用groupbywith sizeby columnsuser和 usagehelperSeries首先用于连续值：

print (df)
  user  day  usage
0    A    1      0
1    A    2      0
2    A    3      1
3    B    1      0
4    B    2      1
5    B    3      0
6    C    1      1


df1 = (df.groupby([df['user'], 
                   df['usage'].rename('val'), 
                   df['usage'].ne(df['usage'].shift()).cumsum()])
        .size()
        .to_frame(name='longest_run'))

print (df1)
                longest_run
user val usage             
A    0   1                2
     1   2                1
B    0   3                1
         5                1
     1   4                1
C    1   6                1

然后只过滤zero行，获取max并添加reindex附加非0组：

df2 = (df1.query('val == 0')
          .max(level=0)
          .reindex(df['user'].unique(), fill_value=0)
          .reset_index())
print (df2)
  user  longest_run
0    A            2
1    B            1
2    C            0

详情：

print (df['usage'].ne(df['usage'].shift()).cumsum())
0    1
1    1
2    2
3    3
4    4
5    5
6    6
Name: usage, dtype: int32

推荐阅读