python通过dataframe的列进行迭代循环

在处理一个问题时，我有以下python数据帧

    week    hour    week_hr     store_code  baskets
0   201616  106     201616106   505         0
1   201616  107     201616107   505         0
2   201616  108     201616108   505         0
3   201616  109     201616109   505         18
4   201616  110     201616110   505         0
5   201616  106     201616108   910         0
6   201616  107     201616106   910         0
7   201616  108     201616107   910         2
8   201616  109     201616108   910         3
9   201616  110     201616109   910         10

这里的“小时”变量是“工作日”和“营业时间”的concat，例如工作日是星期一=1，营业时间是早上6点，然后小时变量=106，同样地，cal_hr是周和小时的concat。我想得到那些我看到无篮趋势的行，即滚动3周的0篮。在上述情况下，我将只获得前3行。i、 e.对于505号仓库，从106到108有一个连续的1篮循环。但是我不想要行（4,5,6），因为即使连续3小时有0个篮子，但时间实际上不是连续的110->106->107。对于连续的小时数，它们应位于106-110的范围内。。基本上，我希望所有的商店和相应的行，如果它有0个篮子连续3小时在任何给定的一天。虚拟输出

    week    hour    week_hr     store_code  baskets
0   201616  106     201616106   505         0
1   201616  107     201616107   505         0
2   201616  108     201616108   505         0

我可以在python中使用熊猫和循环来完成这项工作吗？数据集需要按存储和小时进行排序。python的全新功能（

您可以解决：

按门店代码、周/小时排序

按0筛选

按门店代码分组

找到连续的

代码：

请执行以下操作：

按门店代码、周/小时排序

按0筛选

存储df['week\u hr'][1:]之间的减法。值df['week\u hr'][：-1]。这样您就可以知道它们是否是连续的

现在，您可以根据需要将组分配给continuous和filter

import numpy as np
import pandas as pd

# 1
t1 = df.sort_values(['store_code', 'week_hr'])

# 2
t2 = t1[t1['baskets'] == 0]

# 3
continuous = t2['week_hr'][1:].values-t2['week_hr'][:-1].values == 1
groups = np.cumsum(np.hstack([False, continuous==False]))
t2['groups'] = groups

# 4
t3 = t2.groupby(['store_code', 'groups'], as_index=False)['week_hr'].count()
t4 = t3[t3.week_hr > 2]
print pd.merge(t2, t4[['store_code', 'groups']])

---

不需要循环！

其他信息，我可以按以下方式循环，每小时循环一次，但对于接下来3小时的每小时检查，如果这些小时的篮数为0，则返回这些行，我建议首先获取一个列表，其中包含篮数为0的所有元素。（创建一个以store_代码为键的词汇表，以baskets=0为值的小时数列表。然后，在一行中找到与每个store_代码对应的列表中的任意三个或更多元素，最后使用“good hours&store_code”列表从数据库中获取完整数据。我将尝试做更详细的回答。谢谢。以上内容是否正确代码查找连续出现3次或更多次0的模式。应用程序的作用是什么？什么是tolist（）.iteritems是什么？你能详细解释一下吗。仍在学习python。这里是新手。非常感谢。上面的代码是否会查找3个或更多连续出现的0的模式。我是否可以为每个星期的天和小时创建索引。例如，对于201616周和106星期一的小时等。我可以创建一个具有索引的变量。因此，序列是来看看实际数字。假设201616106的值是1，那么201616107的值是2..等等..或者我甚至不需要这样做吗？你能详细解释一下吗？还在学习python。这里的新手我提供的代码将适用于你指定的数据帧，并将检测到同一个存储代码的3个或更多连续0，周。相关代码is

t4=t3[t3.week\u hr>2]

其中week\u hr是连续事件的计数（因此它过滤了两个以上的连续事件）。没有必要创建索引，week#hr将与groupby子句一起正常工作。您运行了吗？运行了吗？这非常有效，只是我无法理解#3之后的部分。hstack做什么？请您解释一下。非常感谢您的帮助，当您减去下一个当前值时，您的实际数组长度将为-1。例如：4,5，6,7将导致True，True，True，因此我必须

hstack

将第一个元素添加为False才能添加长度相同的列。

import numpy as np
import pandas as pd

# 1
t1 = df.sort_values(['store_code', 'week_hr'])

# 2
t2 = t1[t1['baskets'] == 0]

# 3
continuous = t2['week_hr'][1:].values-t2['week_hr'][:-1].values == 1
groups = np.cumsum(np.hstack([False, continuous==False]))
t2['groups'] = groups

# 4
t3 = t2.groupby(['store_code', 'groups'], as_index=False)['week_hr'].count()
t4 = t3[t3.week_hr > 2]
print pd.merge(t2, t4[['store_code', 'groups']])