Pandas 数据帧：最大连续值计数

我有这样的e数据帧：

RTD  Val   
BA    2    
BA    88    
BA    15
BA    67    
BA    83   
BA    77  
BA    79  
BA    90   
BA    1   
BA    14   

第一:

df['count'] = df.Val > 15
print(df) 

因此，我得到：

  RTD  Val  count
0  BA    2  False
1  BA   88  True
2  BA   15  False
3  BA   67  True
4  BA   83  True
5  BA   77  True
6  BA   79  True
7  BA   90  True
8  BA    1  False
9  BA   14  False

现在，要计算我使用的最大连续出现次数：

def rolling_count(val):
    if val == rolling_count.previous:
        rolling_count.count +=1
    else:
        rolling_count.previous = val
        rolling_count.count = 1
    return rolling_count.count
rolling_count.count = 0 #static variable
rolling_count.previous = None #static variable

ddf= df['count'].apply(rolling_count)
print (max(ddf))

我得到的结果是：

5

我的答案是： 要计算False的最大连续出现次数，我应该怎么做

正确的值等于

2

我很想知道除True之外的连续出现的最大值，因为

Val>15

，反之，这是我的尝试

gt15 = df.Val.gt(15)
counts = df.groupby([gt15, (gt15 != gt15.shift()) \
           .cumsum()]).size().rename_axis(['>15', 'grp'])
counts

>15    grp
False  1      1
       3      1
       5      2
True   2      1
       4      5
dtype: int64

---

---

下面是一个较长的方法，通过添加0将count强制为整数而不是布尔值。绝对差值表示布尔值的变化，第一个值填充为1

评估此变化序列的结果，以确定“bools”变量中的元素是否大于0，并从df['count']中提取相应的元素

更改向量的结果与

cumsum

一起使用，形成ID，这些ID在runs变量的

groupby

中使用。然后在runs变量中包含每个ID的计数

countDf = DataFrame({'bools': list(df['count'][(df['count'] + 0)
                       .diff().abs().fillna(1) > 0]),
                     'runs': list(df['Val'].groupby((df['count'] + 0)
                       .diff().abs().fillna(1).cumsum()).count())})

countDf

   bools  runs
0  False     1
1   True     1
2  False     1
3   True     5
4  False     2

您可以使用标准子集设置提取最大运行次数，如

countDf[countDf.bools == False]['runs'].max()
2

countDf[countDf.bools == True]['runs'].max()
5

---

谢谢你的回答，但工作的最低代码是：ddf=df['count'].apply（rolling_count）.where（df['count']==False）.dropna（）print（max（ddf））谢谢你的回答，但工作的最低代码是：
ddf=df['count'].apply（rolling_count）.where（df['count']==False）.dropna（）
print（max（ddf））

countDf[countDf.bools == False]['runs'].max()
2

countDf[countDf.bools == True]['runs'].max()
5