Python 3.x 数据帧序列检测：查找一行中三行为负值的组

假设我有一个列

df['test']

：

-1、-2、-3、2、-4、3、-5、-4、-3、-7

所以我想过滤掉一行中至少有三个负值的组。所以

groups = my_grouping_function_by_sequence()
groups[0] = [-1,-2-3]
groups[1] = [-5,-4,-3,-7] 

---

熊猫数值数据中的序列测试是否有一些预定义的检查？它不需要是熊猫，但我正在寻找一个快速和适应性强的解决方案。任何建议都会有帮助。谢谢

使用

GroupBy

和

cumsum

创建连续负数组

grps = df['test'].gt(0).cumsum()
dfs = [d.dropna() for _, d in df.mask(df['test'].gt(0)).groupby(grps) if d.shape[0] >= 3]

输出

for df in dfs:
    print(df)

   test
0  -1.0
1  -2.0
2  -3.0
   test
6  -5.0
7  -4.0
8  -3.0
9  -7.0

---

解释

让我们一步一步地看一下： 第一行为连续负数创建组

print(grps)
0    0
1    0
2    0
3    1
4    1
5    2
6    2
7    2
8    2
9    2
Name: test, dtype: int32

但是，正如我们所看到的，它也包括正数，我们不想在输出中考虑。因此，我们使用

DataFrame.mask

将这些值转换为

NaN

：

df.mask(df['test'].gt(0))
# same as df.mask(df['test'] > 0)

   test
0  -1.0
1  -2.0
2  -3.0
3   NaN
4  -4.0
5   NaN
6  -5.0
7  -4.0
8  -3.0
9  -7.0

然后我们在此数据帧上分组，只保留

=

3行的组：

for _, d in df.mask(df['test'].gt(0)).groupby(grps):
    if d.shape[0] >= 3:
        print(d.dropna())

   test
0  -1.0
1  -2.0
2  -3.0
   test
6  -5.0
7  -4.0
8  -3.0
9  -7.0

---

@你的回答很好，我还在努力理解第二句话。你的第一句话让我开始尝试用我自己的，效率较低的方式来写

import pandas as pd
df = pd.DataFrame({'test': [-1, -2, -3, 2, -4, 3, -5, -4, -3, -7]})
df['+ or -'] = df['test'].gt(0)
df['group'] = df['+ or -'].cumsum()

df_gb = df.groupby('group').count().reset_index().drop('+ or -', axis=1)

df_new = pd.merge(df, df_gb, how='left', on='group').drop('+ or -', axis=1)
df_new = df_new[(df_new['test_x'] < 0) & (df_new['test_y'] >=3)].drop('test_y', 
axis=1)

for i in df_new['group'].unique():
    j = pd.DataFrame(df_new.loc[df_new['group'] == i, 'test_x'])
    print(j)

将熊猫作为pd导入
数据帧（{'test'：[-1，-2，-3，2，-4，3，-5，-4，-3，-7]}）
df['+或-']=df['test'].gt（0）
df['group']=df['+或-'].cumsum（）
df_gb=df.groupby（'group'）.count（）.reset_index（）.drop（'+或-'，axis=1）
df_new=pd.merge（df，df_gb，how='left'，on='group'）.drop（'+或-'，axis=1）
df_new=df_new[（df_new['test_x']<0）和（df_new['test_y']>=3）]。下降（'test_y'，
轴=1）
对于df_new['group']中的i.unique（）：
j=pd.DataFrame（df_new.loc[df_new['group']==i，‘test_x']））
印刷品（j）

也承认@erfan回答优雅但不容易理解。下面是我的尝试

df = pd.DataFrame({'test': [-1, -2, -3, 2, -4, 3, -5, -4, -3, -7]})

有条件地选择带有负数的行

df['j'] = np.where(df['test']<0,1,-1)
df['k']=df['j'].rolling(3, min_periods=1).sum()
df2=df[df['k']==3]

---

我个人也喜欢这种方法，并最终在我的代码中使用了这种方法，因为它易于阅读。谢谢

for index, row in df2.iterrows():
    print(df.loc[index - 2 : index + 0, 'test'])