霊長類全体のテーブルとゼロでリセット

Question

私は以下のデータフレームを持っています。

d = pd.DataFrame({'one' : [0,1,1,1,0,1],'two' : [0,0,1,0,1,1]}) 

d 

    one two 
0 0 0 
1 1 0 
2 1 1 
3 1 0 
4 0 1 
5 1 1 

私はゼロ

所望の出力が

pd.DataFrame({'one' : [0,1,2,3,0,1],'two' : [0,0,1,0,1,2]}) 

    one two 
0 0 0 
1 1 0 
2 2 1 
3 3 0 
4 0 1 
5 1 2 

でなければなりません

でリセット累積和をしたい私は、グループを使用して試してみましたが、それはテーブル全体では動作しません。

Answer 1

df2 = df.apply(lambda x: x.groupby((~x.astype(bool)).cumsum()).cumsum()) 
print(df2) 

出力：

one two 
0 0 0 
1 1 0 
2 2 1 
3 3 0 
4 0 1 
5 1 2 

Answer 2

これはそれを行う必要があります。

d = {'one' : [0,1,1,1,0,1],'two' : [0,0,1,0,1,1]} 
one = d['one'] 
two = d['two'] 
i = 0 
new_one = [] 
for item in one: 
    if item == 0: 
     i = 0 
    else: 
     i += item 
    new_one.append(i) 

j = 0 
new_two = [] 
for item in two: 
    if item == 0: 
     j = 0 
    else: 
     j += item 
    new_two.append(j) 

d['one'], d['two'] = new_one, new_two 
df = pd.DataFrame(d) 

Answer 3

これ一つでnumpyの、リスト内包表記をパンダを使用しますが、使用しない：

import numpy as np 

d = {'one': [0,1,1,1,0,1], 'two': [0,0,1,0,1,1]} 

out = {} 
for key in d.keys(): 
    l = d[key] 
    indices = np.argwhere(np.array(l)==0).flatten() 
    indices = np.append(indices, len(l)) 
    out[key] = np.concatenate([np.cumsum(l[indices[n-1]:indices[n]]) \ 
        for n in range(1, indices.shape[0])]).ravel() 
print(out) 

ファースト、私はすべての出現を見つける0（リストを分割する位置）を選択すると、結果のサブリストのcumsumが計算され、新しいdictに挿入されます。このトラブルを通過するのはなぜ

Answer 4

pandas

def cum_reset_pd(df): 
    csum = df.cumsum() 
    return (csum - csum.where(df == 0).ffill()).astype(d.dtypes) 

cum_reset_pd(d) 

    one two 
0 0 0 
1 1 0 
2 2 1 
3 3 0 
4 0 1 
5 1 2 

numpy

def cum_reset_np(df): 
    v = df.values 
    z = np.zeros_like(v) 
    j, i = np.where(v.T) 
    r = np.arange(1, i.size + 1) 
    p = np.where(
     np.append(False, (np.diff(i) != 1) | (np.diff(j) != 0)) 
    )[0] 
    b = np.append(0, np.append(p, r.size)) 
    z[i, j] = r - b[:-1].repeat(np.diff(b)) 
    return pd.DataFrame(z, df.index, df.columns) 

cum_reset_np(d) 

    one two 
0 0 0 
1 1 0 
2 2 1 
3 3 0 
4 0 1 
5 1 2 

---

？
より速いですから！