GroupBy搜索第一个和最后一个真值

你可以用 loc 具有 idxmax 你的原版 df 你的倒转 东风 。

这将产生第一个和最后一个的索引 True 价值观。只需将不同的索引设置为 False 之后。

例如:

安装程序

z = sio("""i    v
FA154    False
FA155    False
FA155    True
FA155    True
FA155    True
FA155    True
FA155    True
FA155    False
FA156    False
FA156    True
FA156    False
FA156    False
FA156    True""")

df = pd.read_table(z, delim_whitespace=True)

    i       v
0   FA154   False
1   FA155   False
2   FA155   True
3   FA155   True
4   FA155   True
5   FA155   True
6   FA155   True
7   FA155   False
8   FA156   False
9   FA156   True
10  FA156   False
11  FA156   False
12  FA156   True

idxmax()

这和你的 东风 和使用 reset_index . 然后,首先为您获取索引列表( v1 )最后一个( v2 ) 真 值:

v1 = df.groupby("i").v.idxmax().values
v2 = df[::-1].groupby("i").v.idxmax().values

运用你的逻辑:

df.loc[v1, "v"] = True & df.loc[v1, "v"]
df.loc[v2, "v"] = True & df.loc[v2, "v"]
df.loc[~df.index.isin(np.concatenate([v1,v2])), "v"] = False

使用背后的想法 & 不是偶然设置的 假 值到 真 .

结果:

>>> df.set_index("i")

        v
i   
FA154   False
FA155   False
FA155   True
FA155   False
FA155   False
FA155   False
FA155   True
FA155   False
FA156   False
FA156   True
FA156   False
FA156   False
FA156   True

过滤真值,然后聚合以查找第一个和最后一个值。然后可以使用loc替换df中的那些值。 df 是您的数据帧。 col 列的名称 True 和 False 价值观

df["nb"] = range(df.shape[0])
df.reset_index(inplace=True)

elem = (df[df[col]==True].groupby("index")["nb"].agg({ "first_True": 'first', "last_True":"last"})).values

indexes_to_False = sum(elem.tolist(), [])

df.loc[indexes_to_False, col] = False

然后你可以放下柱子 nb 如果你愿意的话重新索引

这是基于 diff 要获得小组起点,我使用 iloc 两次,因为你需要保持头部和尾部真实

df1=df.copy()
df.loc[df]=df.astype(int).diff().ne(0)[df]
df=df.iloc[::-1]
df1=df1.iloc[::-1]
df.loc[df1]+=df1.astype(int).diff().ne(0)[df1]
df=df.iloc[::-1]