टुकड़ा पांडा तत्व

Question

की n लगातार उदाहरणों के आधार DF मैं एक dataframe काट करने के लिए पंक्तियों को वापस चाहते हैं जहां तत्व एक्स = 0 प्रकट होता है लगातार कम से कमn = 3 बार, और फिर पहली छोड़ने मैं = प्रत्येक मिनी अनुक्रम में 2 उदाहरण

क्या पांडा में प्राप्त करने का एक प्रभावी तरीका है, और यदि नहीं, तो numpy या scipy का उपयोग कर?

import pandas as pd 
import numpy as np 

उदाहरण 1

df=pd.DataFrame({'A':[0,1,0,0,1,1,0,0,0,0,1,1,0,0,0,1,1],'B':np.random.randn(17)}) 

    A   B 
0 0 0.748958 
1 1 0.254730 
2 0 0.629609 
3 0 0.272738 
4 1 -1.885906 
5 1 1.206371 
6 0 -0.332471 
7 0 0.217553 
8 0 0.768986 
9 0 -1.607236 
10 1 1.613650 
11 1 -1.096892 
12 0 -0.435762 
13 0 0.131284 
14 0 -0.177188 
15 1 1.393890 
16 1 0.174803 

वांछित उत्पादन:

A   B 
8 0 0.768986 
9 0 -1.607236 
14 0 -0.177188 

उदाहरण 2

x = 0 (ब्याज के तत्व)

,210

एन = 5 (अनुक्रम का न्यूनतम लंबाई)

मैं = 2 (प्रत्येक अनुक्रम में ड्रॉप पहले दो)

df2=pd.DataFrame({'A':[0,0,0,0,0,0,0,1,1,0,0,0,0,0,0,1,0,0,0,0],'B':np.random.randn(20)}) 

    A   B 
0 0 0.703803 
1 0 -0.144088 
2 0 0.635577 
3 0 -0.834611 
4 0 1.472271 
5 0 -0.554860 
6 0 -0.167016 
7 1 0.578847 
8 1 -1.873663 
9 0 0.197062 
10 0 1.458845 
11 0 -1.921660 
12 0 -1.301481 
13 0 0.240197 
14 0 -1.425058 
15 1 -2.801151 
16 0 0.766757 
17 0 1.249806 
18 0 0.595366 
19 0 -1.447632 

वांछित उत्पादन:

A   B 
2 0 0.635577 
3 0 -0.834611 
4 0 1.472271 
5 0 -0.554860 
6 0 -0.167016 
11 0 -1.921660 
12 0 -1.301481 
13 0 0.240197 
14 0 -1.425058 

Answer 1

यहाँ कुछ NumPy का उपयोग कर एक दृष्टिकोण है जोड़तोड़ -

def slice_consc(df,n): 

    Acol = np.array(df['A']) 
    Acol_ext = np.concatenate(([0],(Acol==0)+0,[0])) 

    starts = np.where(np.diff(Acol_ext)==1)[0] 
    stops = np.where(np.diff(Acol_ext)==-1)[0] 

    id = np.zeros(Acol.size+2,dtype=int) 

    valid_mask = stops - starts >= n 
    id[stops[valid_mask]] = -1 
    id[starts[valid_mask]+2] = 1 

    return df[(id.cumsum()==1)[:-2]] 

नमूना रन -

प्रकरण # 1:

>>> df 
    A   B 
0 0 0.977325 
1 1 -0.408457 
2 0 -0.377973 
3 0 0.567537 
4 1 -0.222019 
5 1 -1.167422 
6 0 -0.142546 
7 0 0.675458 
8 0 -0.184456 
9 0 -0.826050 
10 1 -0.772413 
11 1 -1.556440 
12 0 -0.687249 
13 0 -0.481676 
14 0 0.420400 
15 1 0.031999 
16 1 -1.092540 
>>> slice_consc(df,3) 
    A   B 
8 0 -0.184456 
9 0 -0.826050 
14 0 0.420400 

प्रकरण # 2:

>>> df2 
    A   B 
0 0 0.757102 
1 0 2.114935 
2 0 -0.352309 
3 0 -0.214931 
4 0 -1.626064 
5 0 -0.989776 
6 0 0.639635 
7 1 0.049358 
8 1 -2.600326 
9 0 0.057792 
10 0 1.263418 
11 0 0.618495 
12 0 -1.637054 
13 0 1.220862 
14 0 1.245484 
15 1 1.388218 
16 0 -0.499900 
17 0 0.761310 
18 0 -1.308176 
19 0 -2.005983 
>>> slice_consc(df2,5) 
    A   B 
2 0 -0.352309 
3 0 -0.214931 
4 0 -1.626064 
5 0 -0.989776 
6 0 0.639635 
11 0 0.618495 
12 0 -1.637054 
13 0 1.220862 
14 0 1.245484