在python中，如何通过数字的最长重复来拆分序列？ df=pd.DataFrame({ 'label'：[f“subject{i}”表示范围（28）内的i]， ‘数据’：[i代表范围（1,14）内的i]+[1,0,0,0,2]+[0,0,0,0,0,0,0,0] })

我有一个类似的数据集。它看起来像：

我想在0重复次数最长的地方剪切，所以我想在索引18处剪切，但我想保留索引14-16不变。到目前为止，我已经尝试过以下方法：

• 计数器

• 我还尝试了一个字典，但我不确定如何使用ItErrors比较上一个值和下一个值
• 我还一次取X行的滚动平均值，如果它为零，那么我得到一个索引。但后来我被困在实际推断指数的范围。或者找到最长的零序列

编辑：我的一位朋友提出了以下逻辑，它给出了与@shubham sharma相同的结果。海报的解决方案更具python风格和优雅

def查找最长的零（df）：
'''
查找最长重复次数（500次）的索引：
切割[实验室]=idx
og_df_sof=og_df_sof.append（temp_df）
cut_df_sof=cut_df_sof.append（temp_df.iloc[：idx，：]））

我们可以使用布尔掩蔽来识别零块，然后使用

count

对这些块进行

groupby

和

变换，然后获得具有最大连续零的块的起始索引

m = df['data'].eq(0)
idx = m[m].groupby((~m).cumsum()).transform('count').idxmax()


太神了我用我们提出的代码编辑了我的OP，但这在两行中做了相同的事情。在另一个线程中，我想了解一下为什么我们的代码会得到相似但不同的结果。我使用这个解决方案为将来的读者编辑了OP的全部代码。谢谢@shubham sharma@sc4s2cg让我们讨论
* But obviously that won't work since the indices will be rewritten at each occurrance of zero. 

m = df['data'].eq(0)
idx = m[m].groupby((~m).cumsum()).transform('count').idxmax()

print(idx)

18