gấu trúc lát DF dựa trên n trường hợp liên tục của nguyên tố

Question

Tôi muốn cắt một dataframe để trả lại hàng mà yếu tố x = 0 xuất hiện liên tiếp ít nhấtn = 3 lần, và sau đó thả đầu tiên tôi = 2 trường hợp trong mỗi chuỗi nhỏ

là có cách hiệu quả để đạt được trong gấu trúc, và nếu không, sử dụng numpy hoặc scipy?

import pandas as pd 
import numpy as np 

Ví dụ 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 

đầu ra mong muốn:

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

Ví dụ 2

x = 0 (yếu tố lãi)

.210

n = 5 (tối thiểu chiều dài của chuỗi)

i = 2 (thả hai đầu tiên trong mỗi dãy)

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 

mong muốn đầu ra:

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

Dưới đây là một cách tiếp cận sử dụng một số NumPy thao tác -

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]] 

Chạy mẫu -

Case # 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 

Case # 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