Python 熊猫中的groupby元素如何基于连续的行值

我有一个数据帧，如下所示：

   distance_along_path
0       0
1       2.2
2       4.5
3       7.0
4       0
5       3.0
6       5.0
7       0
8       2.0
9       5.0
10      7.0

我希望能够按照距离沿路径值对这些行进行分组，每次看到0时，都会创建一个新组，直到下一个0，所有这些行都在1组下，如下所示

   distance_along_path    group
0       0                  A
1       2.2                A
2       4.5                A    
3       7.0                A
4       0                  B
5       3.0                B
6       5.0                B
7       0                  C
8       2.0                C
9       5.0                C
10      7.0                C

谢谢

您可以尝试以下步骤：

说明：

用于查找等于

0

用于对

True

值应用累积计数

代码+插图

# Step 1 
print(df.distance_along_path.eq(0))
# 0      True
# 1     False
# 2     False
# 3     False
# 4      True
# 5     False
# 6     False
# 7      True
# 8     False
# 9     False
# 10    False
# Name: distance_along_path, dtype: bool

# Step 2
print(df.assign(group=df.distance_along_path.eq(0).cumsum()))
#     distance_along_path  group
# 0                   0.0      1
# 1                   2.2      1
# 2                   4.5      1
# 3                   7.0      1
# 4                   0.0      2
# 5                   3.0      2
# 6                   5.0      2
# 7                   0.0      3
# 8                   2.0      3
# 9                   5.0      3
# 10                  7.0      3

注意：正如您所看到的，组列是数字，而不是字母，但如果在

groupby

中使用，这并不重要

# Step 1 
print(df.distance_along_path.eq(0))
# 0      True
# 1     False
# 2     False
# 3     False
# 4      True
# 5     False
# 6     False
# 7      True
# 8     False
# 9     False
# 10    False
# Name: distance_along_path, dtype: bool

# Step 2
print(df.assign(group=df.distance_along_path.eq(0).cumsum()))
#     distance_along_path  group
# 0                   0.0      1
# 1                   2.2      1
# 2                   4.5      1
# 3                   7.0      1
# 4                   0.0      2
# 5                   3.0      2
# 6                   5.0      2
# 7                   0.0      3
# 8                   2.0      3
# 9                   5.0      3
# 10                  7.0      3