Python 在dataframe行中查找值-创建新列，突出显示下一行匹配

我试图在一个dataframe行中找到一个值，并创建一个新列，突出显示下一行是否匹配。因此，对于以下示例：

rng = pd.DataFrame( {'test_1': ['A', 'A','A', 'A', 'B','B', 'A' , 'A', 'A', 'A','A' , 'A', 'A', 'A',]},  index = pd.date_range('4/2/2014', periods=14, freq='BH'))
reg

2014-04-02 13:00:00和2014-04-02 14:00:00上的行==B，因此存在匹配：

    test_1
2014-04-02 09:00:00 A
2014-04-02 10:00:00 A
2014-04-02 11:00:00 A
2014-04-02 12:00:00 A
2014-04-02 13:00:00 B
2014-04-02 14:00:00 B
2014-04-02 15:00:00 A
2014-04-02 16:00:00 A
2014-04-03 09:00:00 A
2014-04-03 10:00:00 A
2014-04-03 11:00:00 C
2014-04-03 12:00:00 A
2014-04-03 13:00:00 D
2014-04-03 14:00:00 D

因此，新列应如下所示：

B_Matches
    2014-04-02 09:00:00 0
    2014-04-02 10:00:00 0
    2014-04-02 11:00:00 0
    2014-04-02 12:00:00 0
    2014-04-02 13:00:00 0
    2014-04-02 14:00:00 1
    2014-04-02 15:00:00 0
    2014-04-02 16:00:00 0
    2014-04-03 09:00:00 0
    2014-04-03 10:00:00 0
    2014-04-03 11:00:00 0
    2014-04-03 12:00:00 0
    2014-04-03 13:00:00 0
    2014-04-03 14:00:00 0

然后我将在其他专栏中对C、D等做同样的处理。我基本上是想找出某个条件出现的时间，下一个周期是相同的，我将在这列上做一个count（），看看下一个周期匹配的频率。请同时说明其他方法

---

感谢您的帮助。

您可以定义一个func，它接受您的值并返回是否任何行符合您的条件，这将适用于您传递的任何值，然后将布尔级数转换为

int

，以便将

True

和

False

分别转换为

1

和

0

：

In [220]:
def func(val):
    return ((rng['test_1'] == val) & (rng['test_1'].shift() == val)).astype(int)
​
func('B')

Out[220]:
2014-04-02 09:00:00    0
2014-04-02 10:00:00    0
2014-04-02 11:00:00    0
2014-04-02 12:00:00    0
2014-04-02 13:00:00    0
2014-04-02 14:00:00    1
2014-04-02 15:00:00    0
2014-04-02 16:00:00    0
2014-04-03 09:00:00    0
2014-04-03 10:00:00    0
2014-04-03 11:00:00    0
2014-04-03 12:00:00    0
2014-04-03 13:00:00    0
2014-04-03 14:00:00    0
Freq: BH, Name: test_1, dtype: int32

In [222]:
func('A')

Out[222]:
2014-04-02 09:00:00    0
2014-04-02 10:00:00    1
2014-04-02 11:00:00    1
2014-04-02 12:00:00    1
2014-04-02 13:00:00    0
2014-04-02 14:00:00    0
2014-04-02 15:00:00    0
2014-04-02 16:00:00    1
2014-04-03 09:00:00    1
2014-04-03 10:00:00    1
2014-04-03 11:00:00    1
2014-04-03 12:00:00    1
2014-04-03 13:00:00    1
2014-04-03 14:00:00    1
Freq: BH, Name: test_1, dtype: int32

---

太好了，再次谢谢你，埃德楚姆。我将在不同的df列中使用它，这些df列被稍微修改为

def func_match（df_in，val）：return（（df_in==val）和（df_in.shift（）==val））.astype（int）

。