Python 使用滚动窗口获取随时间变化的值计数

我试图在一个熊猫数据框架中获得“价值流行度”

Key RandomColumn
a   0
b   ...
c   does
d   not
a   matter
e   ...
c   ...

我想使用一个lets，比方说，滚动窗口2，并计算“this”值的次数（从所讨论的行中，已经看到）

输出：

Key RandomColumn Popularity
a   0            0
b   ...          0
c   does         0
d   not          0
a   matter       0  <--- outside past window of 2
d   ...          1
c   ...          0  <-- outside window too
c   ....         1
c   ....         2

但这显然是错误的

我总是可以使用for循环，或者可以应用索引和手动计数，但我想知道是否有一种“正确”的方法在Pandas中实现它

更新：示例#2：“计算给定值X在过去N个记录中出现的次数”，为简单起见，假设N=2

For the Series: [a, b, b, c, d, a, b, c, c, c, a, b]
The output is:  [0, 0, 1, 0, 0, 0, 0, 0, 1, 2, 0, 0]

前两个零（0，0）as，a和b以前从未见过，然后（1）b在过去的两个值中见过一次，依此类推。

使用

shift（）
，
滚动
：

   Key
0    a
1    b
2    b
3    c
4    d
5    a
6    b
7    c
8    c
9    c
10   a
11   b

首先，我们用
.shift
标记上一行与当前行相等的所有行
我们使用
计算滚动和。滚动

如果前一行与当前行不相等，我们有条件地填写0，以更正某些行，因为
rolling（2）
在1行上拖得太远
输出

   Key  Popularity
0    a           0
1    b           0
2    b           1
3    c           0
4    d           0
5    a           0
6    b           0
7    c           0
8    c           1
9    c           2
10   a           0
11   b           0


使用的输入数据帧：

   Key
0    a
1    b
2    b
3    c
4    d
5    a
6    b
7    c
8    c
9    c
10   a
11   b

显然，您不能对非数字对象使用
rolling
。参见示例。

因此，对于一个可以选择
N
的通用解决方案，
for
循环可能是最好的方法

您可以定义一个函数，例如：

def popularitycount(sr, n):
    """sr is an iterable (a list, tuple, or pandas Series), n an integer"""
    previous = []
    res = []
    for el in sr:
        res.append(previous.count(el))
        previous.append(el)
        if len(previous) > n:
            previous.pop(0)
    return pd.Series(res)

使用您的输入，将返回以下
系列
：

0     0
1     0
2     1
3     0
4     0
5     0
6     0
7     0
8     1
9     2
10    0
11    0
dtype: int64

你能举个更清楚的例子吗？我不明白你想计算什么。我试图更新一个新的示例和所需计算文本中的文字解释。如果N=3，，，，a，B，a是否返回[0,0,1]，因为a在窗口中出现，即使它不是连续的？@ScottBoston，正确，而且窗口是“过去的N”行，因此，在你的示例中，即使N=2也返回0,0,1，因为它是N到pastI中，我认为这不起作用，前一行总是不相关的，它不是关于计算N=5000时的“连续重复值”，例如，它很清楚，在示例框架中，我使用N=2只是为了简单，我的用例实际上是N>3500
0     0
1     0
2     1
3     0
4     0
5     0
6     0
7     0
8     1
9     2
10    0
11    0
dtype: int64