Python 根据True/False“在数据帧中添加后续值；套；

我有这样一个数据帧：

import pandas as pd

df = pd.DataFrame({ 'num' : [0.43, 5.2, 1.3, 0.33, .74, .5, .2, .12],
                   'complete' : [False, True, False, False, True, False, True, True]
                    })

df


   complete num
0   False   0.43
1   True    5.20
2   False   1.30
3   False   0.33
4   True    0.74
5   False   0.50
6   True    0.20
7   True    0.12

我想创建一个总和列表，每个

True

条目有一个值，然后在

df.complete

中至少有一个

False

。它应该是

True

num加上之后的每个

False

num之和，直到下一个

True

再次出现

在本例中，它将是两个总和的列表：

[(5.2 + 1.3 + 0.33), (0.74 + 0.5)] 

所以最终的结果是

[6.83, 1.24]

---

什么是生成最终列表的python方法？

一种方法是：

In [28]: df.groupby(df.complete.cumsum()).sum()[1:].num.values
Out[28]: array([ 6.83,  1.24])

---

一种方法是：

In [28]: df.groupby(df.complete.cumsum()).sum()[1:].num.values
Out[28]: array([ 6.83,  1.24])

我会：

# create a group
df['group'] = df['complete'].cumsum()

# find which groups to add
vals = df.group.value_counts()
groups_to_consider = vals[vals > 1].index.tolist()

## add values
df[df['group'].isin(groups_to_consider)].groupby('group')['num'].sum().tolist()

# [6.83, 1.24]

我会：

# create a group
df['group'] = df['complete'].cumsum()

# find which groups to add
vals = df.group.value_counts()
groups_to_consider = vals[vals > 1].index.tolist()

## add values
df[df['group'].isin(groups_to_consider)].groupby('group')['num'].sum().tolist()

# [6.83, 1.24]

也可以

df.groupby(df[df.complete.cumsum().duplicated(keep=False)].complete.cumsum()).num.sum()

---

说明：

df.complete.cumsum()

为您提供一个

系列

，您希望将具有相同数字（例如1和2）的行相加

然后，

duplicated（keep=False）

允许您仅使用发生这种情况的行过滤

df

df[df.complete.cumsum().duplicated(keep=False)]

    complete    num
1   True        5.20
2   False       1.30
3   False       0.33
4   True        0.74
5   False       0.50

现在只需再次使用

.cumsum（）

，并将其与过滤后的数据帧分组即可

---

编辑：

c = df.complete.cumsum()
d = c[c!=0].duplicated(keep=False)
e = df.loc[df.index.isin(d[d].index)].complete.cumsum()
df[df.index.isin(e.index)].groupby(e).num.sum()

我相信这适用于每种情况：）

也可以

df.groupby(df[df.complete.cumsum().duplicated(keep=False)].complete.cumsum()).num.sum()

---

说明：

df.complete.cumsum()

为您提供一个

系列

，您希望将具有相同数字（例如1和2）的行相加

然后，

duplicated（keep=False）

允许您仅使用发生这种情况的行过滤

df

df[df.complete.cumsum().duplicated(keep=False)]

    complete    num
1   True        5.20
2   False       1.30
3   False       0.33
4   True        0.74
5   False       0.50

现在只需再次使用

.cumsum（）

，并将其与过滤后的数据帧分组即可

---

编辑：

c = df.complete.cumsum()
d = c[c!=0].duplicated(keep=False)
e = df.loc[df.index.isin(d[d].index)].complete.cumsum()
df[df.index.isin(e.index)].groupby(e).num.sum()

---

这适用于我认为的每种情况：）

如果第3行和第4行之间有另一个

True 0.5

行，那么输出会是什么？输出应该忽略它（后面没有

False

值），还是只在最终列表中包含值0.5？输出应该忽略后面没有

False

的

True

。如果在第3行和第4行之间有另一行

True 0.5

行，输出会是什么？输出应该忽略它（后面没有

False

值），还是应该在最终列表中只包含值0.5？输出应该忽略后面没有

False

的

True

。这将忽略第一组，即使df以True开头。此外，请参见评论中OP对我的问题的回答。这将忽略第一组，即使df以True开头。另外，请参见评论中OP对我问题的回答。谢谢，这是非常聪明和有用的！尽管我之前没有指定仅真值不应该有和，但我现在已经编辑了这个问题。@jua kali更新了答案。让我知道这是否有帮助。谢谢更新。我只想说明一下，您最初的答案是

df['group']=df['complete'].cumsum（）

然后

df.groupby（'group'）['num'].sum（）[1:].tolist（）

。当每个

True

都需要一个和时，它就起作用了，这帮我解决了另一个问题。我只是想把它放在这里，以防将来我需要再次提到这个问题。：）谢谢，这是非常聪明和有益的！尽管我之前没有指定仅真值不应该有和，但我现在已经编辑了这个问题。@jua kali更新了答案。让我知道这是否有帮助。谢谢更新。我只想说明一下，您最初的答案是

df['group']=df['complete'].cumsum（）

然后

df.groupby（'group'）['num'].sum（）[1:].tolist（）

。当每个

True

都需要一个和时，它就起作用了，这帮我解决了另一个问题。我只是想把它放在这里，以防将来我需要再次提到这个问题。：）聪明的但是如果df以几个假值开始，则将包括第一个值。聪明。但如果df以几个假值开始，则将包括第一个值。