Python 连续相似字符串的计数

我有一个数据框：

   Id  Seqno. Event
    1     2    A 
    1     3    B 
    1     5    A 
    1     6    A 
    1     7    A 
    1     8    B 
    1     9    C 
    1    10    D 

我想根据“事件A连续发生”的时间过滤数据帧。例如，如果我尝试 事件A>2它应返回所有ID作为

 Id Event count 
  1  A   3

到目前为止我已经试过了

   df['new'] = df['Event'].shift()+ df['Event']

   a= df[df['new']=='AA']

   a[a['Id'].isin(a['Id'].value_counts()[a['Id'].value_counts()>2].index)]

---

但它似乎不起作用

一个不使用pandas内部构件的函数（可以说这是一种更好的方法）：

---

不使用pandas内部结构的函数（可以说这是一种更好的方法）：

---

这个问题可以分为两部分。首先，您需要根据

Id

和

事件系列中的连续元素进行分组。这可以使用
shift
+
cumsum

m = df.Event.ne(df.Event.shift()).cumsum()
df['count'] = df.groupby(['Id', m])['Event'].transform('size')

print(df)


这为我们提供了一个系列，它标识了
事件
列中的顺序运行，但现在我们希望简化查找。我们可以
删除重复项
，这样每个条件只返回每个
Id/Event/count
的一次运行，然后使用布尔索引：

f = df[['Id', 'Event', 'count']].drop_duplicates()
f.loc[f.Event.eq('A') & f['count'].gt(2)]


这个问题可以分为两部分。首先，您需要根据
Id
和
事件系列中的连续元素进行分组。这可以使用
shift
+
cumsum

m = df.Event.ne(df.Event.shift()).cumsum()
df['count'] = df.groupby(['Id', m])['Event'].transform('size')

print(df)


这为我们提供了一个系列，它标识了
事件
列中的顺序运行，但现在我们希望简化查找。我们可以
删除重复项
，这样每个条件只返回每个
Id/Event/count
的一次运行，然后使用布尔索引：

f = df[['Id', 'Event', 'count']].drop_duplicates()
f.loc[f.Event.eq('A') & f['count'].gt(2)]


请看数值\u counts所需的输出是多少？@W-B谢谢！我只对连续的事件感兴趣，我不认为价值计算会有帮助。我已经厌倦了这样做。有趣的是，我不知道你会如何计算连续的观察结果。好奇的是，如果有一个观察值的话，你会看到答案。看看期望的输出是什么？@W-B谢谢！我只对连续的事件感兴趣，我不认为价值计算会有帮助。我已经厌倦了这样做。有趣的是，我不确定你会如何计算连续的观察结果，好奇地想知道答案是否存在。这显然不是你想要的结果，正如你在上面所看到的：P@RockyLi仍然不正确。这是一个连续出现的问题。这显然不是所需的输出OP，正如您在上面看到的：P@RockyLi仍然不正确。这是一个连续出现的问题。
   Id Event  count
2   1     A      3