Python 如何统计组中未更改的值

假设我有一个

数据帧

，如下所示：

import pandas as pd
import numpy as np

df = pd.DataFrame.from_dict({'measurement_id': np.repeat([1, 2], [30, 30]),
                             'min': np.concatenate([np.repeat([1, 2, 3, 4, 5], [6, 6, 6, 6, 6]), 
                                                    np.repeat([1, 2, 3, 4, 5], [6, 6, 6, 6, 6])]),
                             'obj': list('ABCDEF' * 10),
                             'var': [1, 1, 2, 2, 2, 2, 1, 1, 2, 2, 2, 2, 1, 1, 2, 2, 2, 2,
                                     1, 1, 1, 2, 2, 2, 1, 1, 1, 2, 2, 2, 2, 2, 1, 1, 2, 2,                                                           
                                     2, 1, 1, 1, 2, 2, 2, 1, 1, 1, 2, 2, 2, 1, 1, 1, 2, 2,
                                     2, 1, 1, 1, 2, 1]})

因此，有两个测量值在一分钟内测量6个对象的

var

值。我想做的是创建一个列，计算每个

var

值保持不变的时间（多少分钟）。我认为这可以通过适当的

groupby

来实现，相当于R函数

data.table:：rleid

，它创建运行长度类型id列，并最终计算结果列的一个值内的分钟数

因此，结果输出如下所示：

df['rleid_output'] = np.concatenate([[1] * 18, [2] * 12, [3] * 6, [4] * 18, [5] * 6])
df['expected_output'] = np.concatenate([[3] * 18, [2] * 12, [1] * 6, [3] * 18, [1] * 6])

不幸的是，我不知道如何在熊猫身上做到这一点。我正在努力创建

rleid

等价物，以及获得

预期的输出。无论是否使用等效的
rleid
如何实现
预期的\u输出

@编辑：为了回答关于“预期输出”逻辑的评论，下面是我如何在头脑中计算它的：


在第一次测量的第一分钟内，我们有以下成对的
obj
和
var
：（A，1）、（B，1）、（C，2）、（D，2）、（E，2）、（F，2）
在测量1的第2分钟和第3分钟，这些对保持不变，因此第一次分配至少持续3分钟
在第4分钟，对于
obj=C
，var

值变为1。至少有一对已更改，因此我们的整个赋值被视为已更改，并开始新的

rleid\u输出值。同时，我们已经知道，上一次分配持续了整整3分钟，并且对于前面的所有行，
预期输出的值应设置为3。当前分配（
obj
，
var
）是（A，1）、（B，1）、（C，1）、（D，2）、（E，2）、（F，2）
在第五分钟，作业没有改变。下一组（
measurement\u id
，
min
）实际上是新的度量值，因此这是我们的最后一分钟，我们已经知道我们应该将
预期输出设置为2行，其中
（measurement\u id，min）=（1,4）
和
（measurement\u id，min）=（1,5）
，因为分配在2分钟内是相同的

下一组行是新的度量值
（度量值id，min）=（2，1）
。它以赋值（A，2），（B，2），（C，1），（D，1），（E，2），（F，2）开头。它会在下一分钟发生变化，因此我们可以将其标记为仅持续1分钟的分配（值为
预期输出
）
下一个作业是（A，2），（B，1），（C，1），（D，1），（E，2），（F，2），持续3分钟-这就是为什么36到53行的预期输出为3
最后，在测量2的第5分钟，F将
var
值更改为2，因此我们有了新的赋值（（A，2），（B，1），（C，1），（D，1），（E，2），（F，1）），只持续1分钟，因为我们没有进一步的测量

我希望现在更清楚了

另外，如果我们不把作业作为一个整体来对待，而是把每一对单独的作业来对待，例如（a，2），那么知道如何处理个人作业的变化也是很好的

@Edit2：根据要求缩短示例，如下所示：

df = pd.DataFrame.from_dict({'measurement_id': np.repeat([1, 2], [6, 6]),
                         'min': np.concatenate([np.repeat([1, 2, 3], [2, 2, 2]), 
                                                np.repeat([1, 2, 3], [2, 2, 2])]),
                         'obj': list('AB' * 6),
                         'var': [1, 2, 1, 2, 2, 1, 2, 1, 2, 1, 1, 1]})
df['rleid_output'] = [1, 1, 1, 1, 2, 2, 3, 3, 3, 3, 4, 4]
df['expected_output'] = [2, 2, 2, 2, 1, 1, 2, 2, 2, 2, 1, 1]

expected\u output
只计算
var
的值保持不变的分钟数。因此，您可以按如下方式获得它：如果任何
obj
的
var
值与前一分钟相比发生了变化，您将获得
rleid\u输出的新值。然后，
rleid\U输出
只计算
min
在
rleid\U输出
的相同值范围内的唯一值。我仍然不清楚
rleid\U输出
和
预期\U输出
应该是什么？您可以添加一个简单的示例（+演练）来说明如何计算
rleid_输出
和
预期的_输出
。@thushv89，我编辑了这篇文章以合并详细的工作。@anky_91，根据要求，我将示例缩短为12行（我认为合并所有的怪癖是最小的）bottom@anky_91,这些问题是不同的（请注意
rleid\u输出
和
expected\u输出
的差异）。在这里，如果任何
obj
的
measurement\u id
或
var
发生变化，则应将新的运行id分配给同一组内的所有
obj
。请你重新开门好吗？