Python 查找相等值组的索引

我有一个包含-1,0,1的一维数组

Mask
Out[6]: array([0, 0, 0, -1, -1, 0, 0, 1, 1])

我想找到相等值组的开始和结束索引。 这可以存储在数据帧中，其中第一列是开始索引，第二列是结束索引，tirdh列是重复的值

start end value
0,    2,  0
3,    4,  -1
5,    6,  0
7,    8,  1

有没有办法做到这一点，或者我必须在

掩码上使用一个循环？
这是我的尝试

Change =pd.DataFrame(columns=['Start','End','Value'])

i=-1
while i <len(Mask)-1:
    i = i + 1
    start = i
    end = i
    value = Mask[start]
    if i <len(Mask)-1:
       while Mask[i]==Mask[i+1]:
          i = i +1
          end = i
          if i >=len(Mask)-1:
              end = i + 1 
              break

    detected = []
    detected .append([start,end,value])
    detected = np.array(detected )
    detected = pd.DataFrame(detected , columns=['Start','End','Value'])    
    Change = pd.concat([Change , detected ], ignore_index=True)[Change .columns.tolist()]

Change=pd.DataFrame（列=['Start'、'End'、'Value']
i=-1
当i时，您可以在
Mask
数组上的
Series
中使用
diff
方法（将其转换为
Series
）：

变化应该是这样的：

   end  start  value
0    2      0      0
1    4      3     -1
2    6      5      0
3    8      7      1

我希望这证明是有用的。
数据：

In [178]: s = pd.Series([0, 0, 0, -1, -1, 0, 0, 1, 1])

In [179]: s
Out[179]:
0    0
1    0
2    0
3   -1
4   -1
5    0
6    0
7    1
8    1
dtype: int64

In [180]: r = (s.reset_index(name='val')
     ...:       .groupby(s.diff().ne(0).cumsum())
     ...:       .agg({'val':{'value':'first'}, 'index':{'start':'min','end':'max'}})
     ...: )
     ...:

In [182]: r.columns = r.columns.droplevel(0)

In [183]: r
Out[183]:
   value  start  end
1      0      0    2
2     -1      3    4
3      0      5    6
4      1      7    8

解决方案：

In [178]: s = pd.Series([0, 0, 0, -1, -1, 0, 0, 1, 1])

In [179]: s
Out[179]:
0    0
1    0
2    0
3   -1
4   -1
5    0
6    0
7    1
8    1
dtype: int64

In [180]: r = (s.reset_index(name='val')
     ...:       .groupby(s.diff().ne(0).cumsum())
     ...:       .agg({'val':{'value':'first'}, 'index':{'start':'min','end':'max'}})
     ...: )
     ...:

In [182]: r.columns = r.columns.droplevel(0)

In [183]: r
Out[183]:
   value  start  end
1      0      0    2
2     -1      3    4
3      0      5    6
4      1      7    8

结果：

In [178]: s = pd.Series([0, 0, 0, -1, -1, 0, 0, 1, 1])

In [179]: s
Out[179]:
0    0
1    0
2    0
3   -1
4   -1
5    0
6    0
7    1
8    1
dtype: int64

In [180]: r = (s.reset_index(name='val')
     ...:       .groupby(s.diff().ne(0).cumsum())
     ...:       .agg({'val':{'value':'first'}, 'index':{'start':'min','end':'max'}})
     ...: )
     ...:

In [182]: r.columns = r.columns.droplevel(0)

In [183]: r
Out[183]:
   value  start  end
1      0      0    2
2     -1      3    4
3      0      5    6
4      1      7    8

更新：未来解决方案警告：不推荐使用带重命名的dict，并将在未来版本中删除

In [47]: r = s.reset_index(name='val').groupby(s.diff().ne(0).cumsum()).agg({'val':'first', 'index':['min','max']})

In [48]: r.columns = r.columns.droplevel(0)

In [49]: r = r.rename(columns={'first':'value','min':'start','max':'end'})

In [50]: r
Out[50]:
   start  end  value
1      0    2      0
2      3    4     -1
3      5    6      0
4      7    8      1

所以问题是你是否可以在没有for循环的情况下完成它？是的，基本上我想检查for循环中的下一个值等等。。。但我认为有一种类似于Python的方法来实现soI，我知道列表理解看起来很酷，但我认为
for
循环没有什么错。另一件你可以看的事情是
groupby
（）我在编辑的问题中用2个while循环发布了我的解决方案。。。我认为这不是最优雅的。。。你能看一下吗？嗨@Abdou，如果掩码是pd.Series（np.array（[0,0,0，-1，-1,0,0,1]），这个方法不起作用。嗨@MaxU，这给了我一个警告…C:\ProgramData\Anaconda2\lib\site packages\pandas\core\groupby.py:3961:FutureWarning:不推荐使用带重命名的dict，并将在将来的版本中删除（DataFrameGroupBy，self）.aggregate（arg，*args，**kwargs）@gabboshow，是的，API在Pandas 0.20.0中已更改，因此在
.agg（）
中使用dict of dicts将被弃用。我已更新了答案