Python 熊猫：南洞的运行长度

我有数百个timeseries对象，每个对象中有100000个条目。 某些百分比的数据项丢失（NaN）。 无论是单个、分散的NAN还是长序列的NAN，对我的应用程序都很重要

因此，我想要一个函数，用于为我提供NaN的每个连续序列的运行长度。 我能行

得到一系列的麻烦。我可以做移动中值或移动平均来了解数据孔的大小。 然而，如果有一种有效的方法来获得一系列的孔长度列表，那就太好了

也就是说，最好有一个

myfunc

，这样

a = pdSeries([1, 2, 3, np.nan, 4, np.nan, np.nan, np.nan, 5, np.nan, np.nan])
myfunc(a.isnull())
==> Series([1, 3, 2])

（因为分别有1个、3个和2个NAN）

由此，我可以绘制孔长度的柱状图，以及多个系列的isnull的

和

或

或

的柱状图（这可能是相互替代的），以及其他好东西

我还想了解其他量化数据漏洞“笨拙”的方法

import pandas as pd
import numpy as np
import itertools

a = pd.Series([1, 2, 3, np.nan, 4, np.nan, np.nan, np.nan, 5, np.nan, np.nan])
len_holes = [len(list(g)) for k, g in itertools.groupby(a, lambda x: np.isnan(x)) if k]
print len_holes

导致

[1, 3, 2]

---

系列（[len（list（g）），用于groupby中的k，g（a.isnull（）），如果k]）

可能稍微有效一些。啊，是的，“groupby”。我猜groupby是用来对排序后的数据进行操作的，但如果不先进行排序，它会得到完全相同的RLE:）谢谢，JAB，我不知道groupby只能接受一个参数。这太好了，因为我的code@JAB+1表示优雅，也表示效率：我使用您的方法获得了5倍的加速（3.65毫秒vs 15.9毫秒）。

[1, 3, 2]