Python 排序、分组并获取一行和一行+；1表示特定列的值？

我想根据“C1”列的值对我的数据进行分组，并根据它们的“route_Seq”进行排序。因此，对于每个C1，路径_Seq被排序

然后，我想对每个组中Mod_trans为“road”的行和后面一行的“Connection_time”列的值求和。如果道路是组中的最后一个转弯，则仅求和道路的连接时间

期望的答案：

        C1  route_Seq   Connection_time     Mod_trans
        R1  1   10                          road
        R1  2   2                            air
        R1  3   4                            air
        R1  4   2                           road
        R1  5   3                            air
        R1  6   4                           road
        R2  1   3                           road
        R2  2   2                            air
        R3  1   1                           road
        R3  2   2                            air

我尝试过这个代码，但它没有给我两个连续的代码的总和，而是对每个“road”后面的所有行进行总和

---

有人能帮我吗？

仍然像以前一样使用相同的想法，

ffill

和

limit

来限制新行，和

cumsum

来创建

groupby

df.set_index(['C1','Mod_trans',(df['Mod_trans'] == 'road').cumsum()]).sum(level=[0,2]).reset_index().assign(Mod_trans='road')

---

仍然像以前一样使用相同的想法，

ffill

with

limit

来限制新行，

cumsum

来创建

groupby

df.set_index(['C1','Mod_trans',(df['Mod_trans'] == 'road').cumsum()]).sum(level=[0,2]).reset_index().assign(Mod_trans='road')

让我们试试：

df['cumid']=df.Mod_trans.eq('road').groupby(df['C1']).cumsum()
s=df['Mod_trans'].where(df['Mod_trans'].eq('road'))
df['newroad']=s.groupby([df.C1,df.cumid]).ffill(limit=1)
df['cumid']=df.Mod_trans.eq('road').groupby(df['C1']).cumsum()
df=df.loc[df.newroad=='road',:]
df.groupby(['C1','cumid','newroad'])['Connection_time'].sum()
Out[285]: 
C1  cumid  newroad
R1  1.0    road       12
    2.0    road        5
    3.0    road        4
R2  1.0    road        5
R3  1.0    road        3
Name: Connection_time, dtype: int64

输出：

df['CumRoad'] = (df.sort_values('route_Seq')
                   .groupby('C1')
                   .apply(lambda x: (x['Mod_trans']=='road').cumsum()).values)

df_out = (df.groupby(['C1','CumRoad'])
            .apply(lambda x: x.head(2)['Connection_time'].sum())
            .reset_index())

print(df_out)

让我们试试：

df['cumid']=df.Mod_trans.eq('road').groupby(df['C1']).cumsum()
s=df['Mod_trans'].where(df['Mod_trans'].eq('road'))
df['newroad']=s.groupby([df.C1,df.cumid]).ffill(limit=1)
df['cumid']=df.Mod_trans.eq('road').groupby(df['C1']).cumsum()
df=df.loc[df.newroad=='road',:]
df.groupby(['C1','cumid','newroad'])['Connection_time'].sum()
Out[285]: 
C1  cumid  newroad
R1  1.0    road       12
    2.0    road        5
    3.0    road        4
R2  1.0    road        5
R3  1.0    road        3
Name: Connection_time, dtype: int64

输出：

df['CumRoad'] = (df.sort_values('route_Seq')
                   .groupby('C1')
                   .apply(lambda x: (x['Mod_trans']=='road').cumsum()).values)

df_out = (df.groupby(['C1','CumRoad'])
            .apply(lambda x: x.head(2)['Connection_time'].sum())
            .reset_index())

print(df_out)

---

还有答案，再次感谢。还有答案，再次感谢。