Início / coding / Perguntas / 78828009
Accepted
AmirX
Asked: 2024-08-03 14:34:34 +0800 CST

Como posso obter o grupo que possui a maior sequência de números negativos em uma coluna e adicionar outra condição para filtrar os grupos?

  • 772

Esta é uma extensão desta resposta aceita .

Meu DataFrame:

import pandas as pd
df = pd.DataFrame(
    {
        'a': [-3, -1, -2, -5, 10, -3, -13, -3, -2, 1, 2, -100],
        'b': [1, 2, 3, 4, 5, 10, 80, 90, 100, 99, 1, 12]
    }
)

Resultado esperado:

      a    b
5    -3   10
6   -13   80
7    -3   90
8    -2  100

Lógica:

a) Selecionando a sequência mais longa de negativos em a.

b) Se por exemplo houver duas listras com o mesmo tamanho, quero aquela que tenha uma soma maior de b. Tem dfduas listras de tamanho 4 mas quero a segunda porque a soma bé maior.

Minha tentativa:

import numpy as np
s = np.sign(df['a'])
df['g'] = s.ne(s.shift()).cumsum()
df['size'] = df.groupby('g')['g'].transform('size')
df['b_sum'] = df.groupby('g')['b'].transform('sum')
python

2 respostas

  1. Código

    cond = df['a'] >= 0
grp = cond.cumsum()
idx = (df[~cond].groupby(grp).agg({'a': 'count', 'b': 'sum'})
                .sort_values('b', ascending=False)['a'].idxmax())
out = df[~cond & grp.eq(idx)]

    fora:

        a    b
5  -3   10
6 -13   80
7  -3   90
8  -2  100
    • 1
  2. Best Answer

    Você pode manter a mesma lógica, basta adicionar uma etapa extra de filtragem (por exemplo, com query) para obter todos os tamanhos máximos, antes de obter a idxmaxsoma de "b":

    # negative numbers
m = df['a'].lt(0)
# form groups
g = m.ne(m.shift()).cumsum()

out = df[g.eq(df.groupby(g)['b'].agg(['size', 'sum'])
                .query('size == size.max()')['sum'].idxmax())]

    Saída:

        a    b
5  -3   10
6 -13   80
7  -3   90
8  -2  100

    Intermediário:

    df.groupby(g)['b'].agg(['size', 'sum'])

   size  sum
a           
1     4   10
2     1    5
3     4  280
4     2  100
5     1   12

    Ou, usando sua abordagem (observe que isso não garantiria um grupo único se dois ou mais tivessem o comprimento máximo e a mesma soma de b):

    s = np.sign(df['a'])
g = df.groupby(s.ne(s.shift()).cumsum())

s1 = g['a'].transform('size')
s2 = g['b'].transform('sum')

out = df[s1.eq(s1.max()) & s2.eq(s2.max())]
    • 1

relate perguntas