此系列文章收錄在公眾號中：數據大宇宙 > 數據處理 >E-pd

轉發本文并私信我"python"，即可獲得Python資料以及更多系列文章(持續更新的)

經常聽別人說 Python 在數據領域有多厲害，結果學了很長時間，連數據處理都麻煩得要死。后來才發現，原來不是 Python 數據處理厲害，而是他有數據分析神器—— pandas

前言

本系列上一節已經介紹了最簡單的 shift 方法應用，這一節將結合其他技巧，解決諸如"某城市一年最大連續沒下雨天數"的問題。

---

Excel 中的實現方式直觀簡單

如下一份簡單的記錄表：

• 需要根據這份數據，得到最長連續下雨天數是多少，是幾號到幾號
• 上圖紅框是一部分符合條件的，其中最長的紅框是需要的結果

按照慣例，先看看如果在 Excel 上是怎么得到結果：

• D列 到 G列 是輔助列
• D列：是C列 的下位移列(不理解的看上期文章)
• E列：對比 C列 與 D列 是否不一樣
• F列：對 E列 的結果數值化，True 為1，False 為0
• G列：累計求和，上圖可直接看到 G2 單元格的公式，不多說了
• 注意看 G列 的內容，相當于根據 C列的內容，相同連續值被劃分到一個獨立的編號
• 接下來只需要條件篩選+分組統計，即可簡單求出結果

后面的條件篩選+分組不再用 Excel 操作了(因為操作比較麻煩)

---

pandas 中的對應實現

現在關鍵是怎么在 pandas 中完成上述 Excel 中的操作，實際非常簡單：

• 行2：簡單完成
• df.下雨.shift() 相當于 Excel 操作中的 D列
• (df.下雨.shift() != df.下雨) 相當于 Excel 操作中的 E列
• .cumsum() 相當于 Excel 操作中的 G列

---

接下來是分組統計，pandas 的分組其實不需要把輔助列加到 DataFrame 上的：

• 行4：篩選下雨的行的條件
• 行6：先對 df 過濾下雨的行，按 diff_nums 分組統計
• 結果是一下子統計出各個連續下雨的天數與日期范圍

---

結果是需要得到其中 count 列的最大值的行：

• 行8：使用 idxmax 得到最大值的行索引值

---

總結

本文重點：

• Series.shift + cumsum ，能實現連續符合條件的區域編號
• 此技巧能解決很多實際問題

需要源碼的小伙伴請轉發本文并私信我"python"

如果希望從零開始學習 pandas ，那么可以看看我的 pandas 專欄。

總結

以上是生活随笔為你收集整理的pandas 更改单元格的值_懂Excel轻松入门Python数据分析包pandas(二十四)：连续区域...的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。