Python Pandas 最多保留 3 个连续重复

Question

我有这张桌子：import pandas as pdlist1 = [1,1,2,2,3,3,3,3,4,1,1,1,1,2,2]df = pd.DataFrame(list1)df.columns = ['A']我想保留最多 3 个连续的重复项，或者保留全部以防重复项少于 3 个（或没有）。结果应如下所示：list2 = [1,1,2,2,3,3,3,4,1,1,1,2,2]result = pd.DataFrame(list2)result.columns = ['A']

Answer 1

与连续系列一起使用GroupBy.head，通过比较不相等的移位值和累积和来创建Series.cumsum：

df1 = df.groupby(df.A.ne(df.A.shift()).cumsum()).head(3)

print (df1)

    A

0   1

1   1

2   2

3   2

4   3

5   3

6   3

8   4

9   1

10  1

11  1

13  2

14  2

详情：

print (df.A.ne(df.A.shift()).cumsum())

0     1

1     1

2     2

3     2

4     3

5     3

6     3

7     3

8     4

9     5

10    5

11    5

12    5

13    6

14    6

Name: A, dtype: int32

Answer 2

与连续系列一起使用GroupBy.head，通过比较不相等的移位值和累积和来创建Series.cumsum：

df1 = df.groupby(df.A.ne(df.A.shift()).cumsum()).head(3)

print (df1)

    A

0   1

1   1

2   2

3   2

4   3

5   3

6   3

8   4

9   1

10  1

11  1

13  2

14  2

详情：

print (df.A.ne(df.A.shift()).cumsum())

0     1

1     1

2     2

3     2

4     3

5     3

6     3

7     3

8     4

9     5

10    5

11    5

12    5

13    6

14    6

Name: A, dtype: int32

Answer 3

解决itertools.groupby只有连续重复的组，然后切片3个元素：

import itertools

pd.Series(itertools.chain.from_iterable([*g][:3] for i,g in itertools.groupby(df['A'])))

0     1

1     1

2     2

3     2

4     3

5     3

6     3

7     4

8     1

9     1

10    1

11    2

12    2

dtype: int64