Pandas：比较连续行

Question

我在google上找到了一些解决方案，但我始终无法正确地应用这些解决方案，而且我遇到了无法修复的错误，所以我不得不询问。我试图创建函数，然后将其应用于数据帧，但是遇到了这个错误，我无法修复它。在

"'numpy.int64' object has no attribute 'shift'"

所以，我有了第一个数据帧

    A   B
1   0   0
2   1   0
3   0   0
4   0   0
5   0   1
6   0   0

结果应该是这样的：

^{pr2}$

因此，当1出现在A列时，它应该在A列中重新循环，直到1出现在B列中。没有其他输入是可能的，它将用于几千行。在

谢谢。在

编辑：Samplesizedata

编辑2：这是对编辑后的答案同样有效的确认。在

Answer 1

请尝试以下代码：

df.A = (df.A.cumsum() != df.B.shift().cumsum()\
    .fillna(0, downcast='infer')).astype(int)

说明：

• df.A.cumsum()产生一系列递增的数字 在A列中的每个1上。在
• ^产生序列NaN。在
• fillna(0, downcast='infer')将首字母{}替换为0 并将整个序列的类型改回int。在
• (... != ...)计算一个布尔向量-几乎是你想要的。在
• astype(int)转换上述布尔向量 到int向量。在
• 整个结果被替换为A列。在

编辑

经过你的评论和更长的数据来源，我决定解决 问题完全相反。在

从定义要应用于每行的函数开始：

^{pr2}$

此函数使用全局变量nextRes-应该是什么 下一行的结果。在

B == 1（不管A值是什么）意思是“关闭”，但是启动 从下一行开始。在

否则（B == 0）我们有两种可能性：

• A == 0-没有变化
• A == 1-“打开”现在。在

然后，要执行任务，初始化“next”值并应用 每行的上述函数：

nextRes = 0
df.A = df.apply(xx, axis=1)

或者，要方便地将源数据与结果进行比较，请运行：

df['new_A'] = df.apply(xx, axis=1)

这样，您将拥有源数据和A的“新值”。在