Python 列中紧跟其后的值的计数

我需要计算重绘值，并在重绘值发生3次后声明一个条件。 这是我的数据集：

偏差条件
0.1.875正常值
2 0.625正常值
3000正常
4.1.250正常
51875正常
6000正常
7.10000异常
82000异常
9.30.000异常
10.40万异常
11.5万异常
1260000异常
1370.000异常
1480000异常
1590000异常

如果异常出现3次，则我要声明失败

您可以使用计数连续异常的数量，并将结果映射到感兴趣的值：

df['state'] = (df.Condition.eq('Abnormal')
                 .rolling(window=3, center=False).apply(all)
                 .map({0:'Success', 1:'Failure'})
                 .fillna('Success'))

---

您可以使用来计算连续

异常的数量，并将结果映射到感兴趣的值：

df['state'] = (df.Condition.eq('Abnormal')
                 .rolling(window=3, center=False).apply(all)
                 .map({0:'Success', 1:'Failure'})
                 .fillna('Success'))


使用+

或

使用+

或

如果你在问题中发布到目前为止你已经尝试过的东西会有帮助…如果你在问题中发布到目前为止你已经尝试过的东西会有帮助。。。
n = 3
df['state'] = (df['Condition'].where(df['Condition'].eq('Normal'))
                              .ffill(limit = n-1)
                          .replace('Normal','Success')
                          .fillna('Failure'))
print(df)
    Deviation Condition    state
0       1.875    Normal  Success
2       0.625    Normal  Success
3       0.000    Normal  Success
4       1.250    Normal  Success
5       1.875    Normal  Success
6       0.000    Normal  Success
7      10.000  Abnormal  Success
8      20.000  Abnormal  Success
9      30.000  Abnormal  Failure
10     40.000  Abnormal  Failure
11     50.000  Abnormal  Failure
12     60.000  Abnormal  Failure
13     70.000  Abnormal  Failure
14     80.000  Abnormal  Failure
15     90.000  Abnormal  Failure

n = 3
m = (df['Condition'].eq('Abnormal')
                    .groupby(df['Condition'].ne(df['Condition'].shift()).cumsum())
                    .cumsum()
                    .gt(n-1))
df['state'] = np.where(m,'Failure','Success')