熊猫：根据条件计数进行分组

Question

我试图根据每次不再满足条件时都会重置的渐进计数对Pandas（Python2.7）中的数据框进行分组。看起来像：date                      condition        count   01,01,2018 08:00             A               101,01,2018 08:01             A               201,01,2018 08:03             A               301,01,2018 08:04             B               101,01,2018 08:07             B               201,01,2018 08:10             B               301,01,2018 08:13             B               401,01,2018 08:14             C               101,01,2018 08:16             C               201,01,2018 08:18             C               301,01,2018 08:20             C               401,01,2018 08:21             C               501,01,2018 08:22             A               101,01,2018 08:24             A               201,01,2018 08:25             B               101,01,2018 08:27             B               201,01,2018 08:29             B               301,01,2018 08:30             C               1我正在尝试获得：date                      condition        count   01,01,2018 08:00             A               301,01,2018 08:04             B               401,01,2018 08:14             C               501,01,2018 08:22             A               201,01,2018 08:25             B               301,01,2018 08:30             C               1如您所见，不可能仅按A，B，C进行分组...，因为分组取决于条件正在变化的事实，而不是条件本身。这就是为什么我创建了计数，可以在此目的中提供帮助的原因。我尝试过df2=df.groupby(['condition', 'date']).where(df['count']<df['count'].shift(1)，for周期...但是出现语法，定义或键的错误，或“无法访问'DataFrameGroupBy'对象的可调用属性'where'，尝试使用'apply'方法”，以及许多其他错误，尝试。我希望你们中的一些人可以提出解决问题的方法，在此先谢谢您。

Answer 1

创建助手Series与比较shiftED值由ne（!=含）cumsum，然后通过总agg用first和last：

g = df['condition'].ne(df['condition'].shift()).cumsum()

d = {'date':'first', 'condition':'first','count':'last'}

df = df.reset_index().groupby(g, as_index=False).agg(d)

print (df)

               date condition  count

0  01,01,2018 08:00         A      3

1  01,01,2018 08:04         B      4

2  01,01,2018 08:14         C      5

3  01,01,2018 08:22         A      2

4  01,01,2018 08:25         B      3

5  01,01,2018 08:30         C      1