计算数据帧中相同的连续值的百分比

可以使用 itertools.groupby 计算相同的连续项目数。然后按给定的最小计数过滤。

这样做是因为 itertools.groupby网站 是一个o(n)解决方案,它将连续的项分组,而不是在最后形成整体的组。

from itertools import groupby

def get_stuck_count(x, n):
    lens = (len(list(j)) for _, j in groupby(x))
    return sum(i for i in lens if i >= n)

df_len = len(df.index)
temp_stuck_pct = get_stuck_count(df['temp'], 5) / df_len
humidity_stuck_pct = get_stuck_count(df['humidity'], 5) / df_len

print(temp_stuck_pct)      # 0.38461538461538464
print(humidity_stuck_pct)  # 0.46153846153846156

In [582]: def get_stuck_pct(df, col, r=range(5,20)):
     ...:     max_cnt = df.groupby((df[col] != df[col].shift()).cumsum()).size().max()
     ...:     if max_cnt in r:
     ...:         return '{}%'.format(int(max_cnt / df[col].size * 100))
     ...:     return '0%'
     ...: 
     ...: 

In [583]: get_stuck_pct(df, 'temp')
Out[583]: '38%'

In [584]: get_stuck_pct(df, 'humidity')
Out[584]: '46%'

在这里,您需要获取所有重复项,然后平均序列中最大出现次数的总和。

dup  = df.temp.duplicated().astype(int) 
lst  = dup.groupby(dup.eq(0).cumsum()).cumsum().tolist()

print max(lst) / float(len(lst))
>>>0.384615384615