python - 比较2个连续的行，并分配增加的值(如果不同)(使用Pandas)

我有一个数据框df_in像这样:

import pandas as pd
dic_in = {'A':['aa','aa','bb','cc','cc','cc','cc','dd','dd','dd','ee'],
       'B':['200','200','200','400','400','500','700','700','900','900','200'],
       'C':['da','cs','fr','fs','se','at','yu','j5','31','ds','sz']}
df_in = pd.DataFrame(dic_in)

我想通过以下方式研究2列A和B。
如果2个连续的rows[['A','B']]相等，则为它们分配一个新值(根据我要描述的特定规则)。
我将给出一个更清楚的示例:如果第一个row[['A','B']]等于下一个，则我设置1；如果第二个等于第三个，那么我将设置1。每当两个连续的行不同时，我就会增加1设置的值。

结果应如下所示:

     A    B   C  value
0   aa  200  da      1
1   aa  200  cs      1
2   bb  200  fr      2
3   cc  400  fs      3
4   cc  400  se      3
5   cc  500  at      4
6   cc  700  yu      5
7   dd  700  j5      6
8   dd  900  31      7
9   dd  900  ds      7
10  ee  200  sz      8

您能建议我一个聪明的人来实现这一目标吗？

最佳答案

使用 shift 和 any 比较连续的行，使用True指示值应在何处更改。然后将累积总和与 cumsum 一起获得递增的值:

df_in['value'] = (df_in[['A', 'B']] != df_in[['A', 'B']].shift()).any(axis=1)
df_in['value'] = df_in['value'].cumsum()

或者，将其压缩为一行:

df_in['value'] = (df_in[['A', 'B']] != df_in[['A', 'B']].shift()).any(axis=1).cumsum()

结果输出:

     A    B   C  value
0   aa  200  da      1
1   aa  200  cs      1
2   bb  200  fr      2
3   cc  400  fs      3
4   cc  400  se      3
5   cc  500  at      4
6   cc  700  yu      5
7   dd  700  j5      6
8   dd  900  31      7
9   dd  900  ds      7
10  ee  200  sz      8

关于python - 比较2个连续的行，并分配增加的值(如果不同)(使用Pandas)，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/40979760/