Implementieren Sie einen Zähler, der in Python Panda Datenrahmen zurückgesetzt

Question

Hallo Ich möchte einen Zähler implementieren, der die Anzahl der aufeinanderfolgenden Null Beobachtungen in einem Datenrahmen (über mehrere Spalten) zählt. Aber ich möchte es zurücksetzen, wenn eine Nicht-Null-Beobachtung gefunden wird. Ich habe eine for-Schleife verwendet, aber es ist unglaublich langsam, ich bin mir sicher, dass es viel effizientere Wege geben muss. Dies ist mein Code:

Hier ist eine Momentaufnahme von df

df.head() 

        ACL  ACT  ADH  ADR  AFE AFH  AFT 
2013-02-05  NaN  NaN  NaN  NaN  NaN NaN  NaN 
2013-02-12 -0.136861 -0.020406 0.046150 0.000000 -0.005321 NaN 0.058195 
2013-02-19 -0.006632 0.041665 0.007365 0.012738 0.040930 NaN -0.037818 
2013-02-26 -0.023848 -0.023999 -0.030677 -0.003144 0.050604 NaN -0.047604 
2013-03-05 0.009771 -0.024589 -0.021073 -0.039432 0.047315 NaN 0.068727 

ich zum ersten Mal einen leeren Datenrahmen initialisieren, die die gleichen Eigenschaften von df (Datenrahmen) über

df1=pd.DataFrame(index= df, columns=df) 
df1=df1.fillna(0) 

Dann schaffe ich meine Funktion, die über die Zeilen iteriert, aber nur eine Spalte gleichzeitig behandelt

Ich schätze jede Hilfe !!

Der Ausgang i erwarten ist wie folgt:

df1.tail() 
      BRN AXL TTO AGL ACL 
2017-01-03 3 125 0 0 0 
2017-01-10 0 126 0 0 0 
2017-01-17 1 127 0 0 0 
2017-01-24 0 128 0 0 0 
2017-01-31 0 129 1 0 0 

Answer 1

Setup
Betrachten Sie die Datenrahmen df

df = pd.DataFrame(
    np.zeros((10, 2), dtype=int), 
    columns=list('AB') 
) 
df.loc[[0, 4, 8], 'A'] = 1 
df.loc[6, 'B'] = 1 
print(df) 

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

Option 1
pandasapply

def zero_obs(x): 
    """`x` is assumed to be a `pd.Series`""" 
    csum = x.eq(0).cumsum() 
    cpos = csum.where(x.ne(0)).ffill().fillna(0) 
    return csum.sub(cpos) 

print(df.apply(zero_obs)) 

    A B 
0 0.0 1.0 
1 1.0 2.0 
2 2.0 3.0 
3 3.0 4.0 
4 0.0 5.0 
5 1.0 6.0 
6 2.0 0.0 
7 3.0 1.0 
8 0.0 2.0 
9 1.0 3.0 

Option 2
nicht verwenden apply

Diese Funktion auf df funktioniert genauso gut

zero_obs(df) 

    A B 
0 0.0 1.0 
1 1.0 2.0 
2 2.0 3.0 
3 3.0 4.0 
4 0.0 5.0 
5 1.0 6.0 
6 2.0 0.0 
7 3.0 1.0 
8 0.0 2.0 
9 1.0 3.0