Python 对行条目进行计数以调整不同的列，包括

我试图通过计算不同列中行条目的频率来更新列条目。这是我的数据样本。实际数据包括10k个样本，每个样本的长度为220。（220秒）

每秒只能注册靶心或射击

计数1:ID=a12和ID=v55分别为

3和

Count2:count1结尾到第二个
df.A_Shot==1的
df.A_Bullseye==1
，
df[df.ID='a12']
的
1
和
2的df[df.ID='v55']

其中，
count（i）
中的
i
是
df.groupby（by='ID'）[A\u Bull\u Total].max（）。这里的
i
是
2

因此，如果我可以计算每个I的平均计数，那么我将能够使用上述计数的平均值来调整df.Exp_A的值

mask_A_Shot= df.A_Shot == 1
mask_A_Bullseye= df.A_Bulleseye == 0
mask = mask_A_Shot  & mask_A_Bulleseye 
df[mask.groupby(df['ID'])].mean()

理想情况下，我希望每个I（斗牛士）都有类似的东西，需要多少次投篮，需要多少秒
 使用
.cumsum
在每个ID内创建一个
Bullseye
的分组键，然后您可以找到有多少次射击，以及两次射击之间经过了多少时间

import pandas as pd

df['freq'] = pd.to_timedelta(df.freq, unit='s')
df['Bullseye'] = df.groupby('ID').A_Bullseye.cumsum()+1

# Chop off any shots after the final bullseye
m = df.Bullseye <= df.groupby('ID').A_Bullseye.transform(lambda x: x.cumsum().max())

df[m].groupby(['ID', 'Bullseye']).agg({'A_Shot': 'sum', 
                                       'freq': lambda x: x.max()-x.min()})


编辑：

鉴于你的评论，以下是我将如何进行。我们将
.shift
牛眼列，因此，我们不增加牛眼处的计数器，而是在牛眼之后的行中增加计数器。我们将修改
A_Shot
，因此斗牛士也被视为射击

df['freq'] = pd.to_timedelta(df.freq, unit='s')
df['Bullseye'] = df.groupby('ID').A_Bullseye.apply(lambda x: x.shift().cumsum().fillna(0)+1)

# Also consider Bullseye's as a shot:
df.loc[df.A_Bullseye == 1, 'A_Shot'] = 1

# Chop off any shots after the final bullseye
m = df.Bullseye <= df.groupby('ID').A_Bullseye.transform(lambda x: x.cumsum().max())

df1 = (df[m].groupby(['ID', 'Bullseye'])
            .agg({'A_Shot': 'sum', 
                  'freq': lambda x: (x.max()-x.min()).total_seconds()}))

现在，由于
freq
是一个整数秒数，您可以轻松地进行除法：

df1.A_Shot / df1.freq

#ID   Bullseye
#a12  1.0         1.0
#     2.0         2.0
#v55  1.0         1.5
#     2.0         1.0
#dtype: float64

感谢您优雅的解决方案！但是，考虑到实际数据的大小（超过10k的唯一ID），是否还有其他方法，比如说，计算每个靶场总共需要多少次射击/时间？所以我会得到每个斗牛士的平均数字？@A.Z我当然能帮上忙。我的一个问题是，当
'A_bullseye'
为1时，这是一个单独的镜头，已注册为一个bullseye，还是只是前一个镜头在下一秒注册为一个bullseye？例如，
a12
是在3秒内拍了3张（第三张是靶心），还是拍了3张不是靶心的照片，然后00:00:04的第4张照片是靶心？第二张照片，3张不是靶心的照片，然后00:00:04的第4张照片是靶心。很抱歉有歧义。@A.Z.我修改了答案，这样应该更符合您的需要。时间可能不是你想要的。例如，我将00:00:05-00:00:06计算为1秒，但由于这代表了整整2秒的动作，您可能只想将
1
添加到freq列中，以获得更精确的计时。@a.Z为此，您可以使用
.groupby
，按索引的bullsey级别进行分组：
df1.groupby（level=1.agg（'mean'））
将为您提供所有ID中每个靶心的平均频率和射击次数
df['freq'] = pd.to_timedelta(df.freq, unit='s')
df['Bullseye'] = df.groupby('ID').A_Bullseye.apply(lambda x: x.shift().cumsum().fillna(0)+1)

# Also consider Bullseye's as a shot:
df.loc[df.A_Bullseye == 1, 'A_Shot'] = 1

# Chop off any shots after the final bullseye
m = df.Bullseye <= df.groupby('ID').A_Bullseye.transform(lambda x: x.cumsum().max())

df1 = (df[m].groupby(['ID', 'Bullseye'])
            .agg({'A_Shot': 'sum', 
                  'freq': lambda x: (x.max()-x.min()).total_seconds()}))

              A_Shot  freq
ID  Bullseye              
a12 1.0            4   4.0
    2.0            2   1.0
v55 1.0            3   2.0
    2.0            3   3.0

df1.A_Shot / df1.freq

#ID   Bullseye
#a12  1.0         1.0
#     2.0         2.0
#v55  1.0         1.5
#     2.0         1.0
#dtype: float64