Python 如何操作pandas中的行块

我有一个大的db（2.4亿行）被划分为块，块标记的开始（sob）作为列之一，130万个块

我创建了一个block_开始系列：

block_start = pd.series(df[df.sob == True].index)

并计算块长度系列：

block_len = block_start.shift(-1) - block_start.

现在，我需要确定每个块在布尔列中是否至少包含一个信号（true）：

signals = []

for i in range(len(block_start)):
 signals.append(df.signal[block_start[i]:block_start[i]+block_len[i]].any())

上述循环需要20分钟。 你知道怎么缩短吗

groupby

+

cumsum

+

any

您可以

groupby

您的

sob

系列的累计总和：

df = pd.DataFrame({'signal': [True, False, True, False, False,
                              False, True, False, False, False],
                   'sob': [True, False, False, False, True,
                           False, False, True, False, False]})

df['any_flag'] = df.groupby(df['sob'].cumsum())['signal'].transform('any')

print(df)

   signal    sob  any_flag
0    True   True      True
1   False  False      True
2    True  False      True
3   False  False      True
4   False   True      True
5   False  False      True
6    True  False      True
7   False   True     False
8   False  False     False
9   False  False     False

对于blazing1性能，您可能希望让NumPy接管。
（数据来源于@jpp的回答）

一,。您的里程可能会有所不同

---

---

谢谢，太棒了，20秒而不是20分钟！

v = np.cumsum(df['sob'])
df['any_flag'] = v.isin(v[df.signal].unique())

print(df)
   signal    sob  any_flag
0    True   True      True
1   False  False      True
2    True  False      True
3   False  False      True
4   False   True      True
5   False  False      True
6    True  False      True
7   False   True     False
8   False  False     False
9   False  False     False

df = pd.concat([df] * 10000, ignore_index=True)

%timeit df['any_flag'] = (
    df.groupby(df['sob'].cumsum())['signal'].transform('any'))
%%timeit 
v = np.cumsum(df['sob'])
df['any_flag'] = v.isin(v[df.signal].unique())

10.9 ms ± 610 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
4.5 ms ± 19.7 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)