使用 pandas 获取每行一个特定值的最大出现次数

Question

我有以下数据框：

   1   2   3   4   5   6   7  8  9
0  0   0   1   0   0   0   0  0  1
1  0   0   0   0   1   1   0  1  0
2  1   1   0   1   1   0   0  1  1
...

我想为每一行获取该行中值 0 的最长序列。 因此，该数据帧的预期结果将是一个如下所示的数组：

[5,4,2,...]

如第一行所示，最大序列 eof 值 0 是 5，等等。

我看过这篇帖子并尝试开始这是第一行（尽管我想立即对整个数据框执行此操作），但我收到错误：

s=df_day.iloc[0]
(~s).cumsum()[s].value_counts().max()

类型错误：输入类型不支持 ufunc 'invert'，并且 根据以下规定，输入无法安全地强制为任何支持的类型 铸造规则“安全”

当我手动插入这样的值时，

s=pd.Series([0,0,1,0,0,0,0,0,1])
(~s).cumsum()[s].value_counts().max()

>>>7

：我得到 7，这是行中总 0 的数量，但不是最大序列。 但是，我不明白为什么它一开始会引发错误，而且更重要的是，我想在 while 数据帧和每行的末尾运行它。

我的最终目标：连续最大程度地连续出现 0 值。

Answer 1

用于对每行连续 0 进行计数的矢量化解决方案，因此为了最大程度地使用 DataFrame c 的 max：

#more explain https://stackoverflow.com/a/52718619/2901002
m = df.eq(0)
b = m.cumsum(axis=1)
c = b.sub(b.mask(m).ffill(axis=1).fillna(0)).astype(int)
print (c)
   1  2  3  4  5  6  7  8  9
0  1  2  0  1  2  3  4  5  0
1  1  2  3  4  0  0  1  0  1
2  0  0  1  0  0  1  2  0  0

df['max_consecutive_0'] = c.max(axis=1)
print (df)
   1  2  3  4  5  6  7  8  9  max_consecutive_0
0  0  0  1  0  0  0  0  0  1                  5
1  0  0  0  0  1  1  0  1  0                  4
2  1  1  0  1  1  0  0  1  1                  2

Answer 2

使用：

df = df.T.apply(lambda x: (x != x.shift()).astype(int).cumsum().where(x.eq(0)).dropna().value_counts().max())

输出

0    5
1    4
2    2

Answer 3

下面的代码应该可以完成这项工作。

函数 longest_streak 将计算连续零的数量并返回最大值，您可以在 df 上使用 apply 。

from itertools import groupby
    def longest_streak(l):
      lst = []
      for n,c in groupby(l):
        num,count = n,sum(1 for i in c)
        if num==0:
          lst.append((num,count))

  maxx = max([y for x,y in lst])
  return(maxx)

df.apply(lambda x: longest_streak(x),axis=1)