按true或false设置的日期的唯一组号

Question

我几天来一直在努力让我的程序更上一层楼。

我想对我所有的小组进行分组和计数。

0<1>122[/tr>0//tr>

日期		泵	组
2018-01-06 12:01:00	false
2018-01-06 12:01:30	真
2018-01-06 12:02:00	真
2018-01-06 12:02:30	错误	0
2018-01-06 12:03:00	真
2018-01-06 12:03:30	真
2018-01-06 12:04:00	真	2
2018-01-06 12:04:30	错误

您可以创建由第一个True开始的组，由Series.shift按链移位掩码创建组，并由Series.cumsum累积和，最后为Series.where:中的False值设置0

df['group1'] = ((df['pump'] & ~df['pump'].shift(fill_value=False)).cumsum()
.where(df['pump'], 0))
print (df)
date   pump  group  group1
0  2018-01-06 12:01:00  False      0       0
1  2018-01-06 12:01:30   True      1       1
2  2018-01-06 12:02:00   True      1       1
3  2018-01-06 12:02:30  False      0       0
4  2018-01-06 12:03:00   True      2       2
5  2018-01-06 12:03:30   True      2       2
6  2018-01-06 12:04:00   True      2       2
7  2018-01-06 12:04:30  False      0       0

---

为什么第一个解决方案错误：(似乎在样品中有效(

df['group1'] = (~df['pump']).cumsum().where(df['pump'], 0)
print (df)
date   pump  group  group1
0  2018-01-06 12:01:00  False      0       0
1  2018-01-06 12:01:30   True      1       1
2  2018-01-06 12:02:00   True      1       1
3  2018-01-06 12:02:30  False      0       0
4  2018-01-06 12:03:00   True      2       2
5  2018-01-06 12:03:30   True      2       2
6  2018-01-06 12:04:00   True      2       2
7  2018-01-06 12:04:30  False      0       0

但如果更改数据：

df['group1'] = (~df['pump']).cumsum().where(df['pump'], 0)
print (df)
date   pump  group  group1
0  2018-01-06 12:01:00  False      0       0
1  2018-01-06 12:01:30  False      0       0 <- changed false
2  2018-01-06 12:02:00   True      1       2 <- starting by 2
3  2018-01-06 12:02:30  False      0       0
4  2018-01-06 12:03:00   True      2       3
5  2018-01-06 12:03:30   True      2       3
6  2018-01-06 12:04:00   True      2       3
7  2018-01-06 12:04:30  False      0       0

df['group1'] = (~df['pump']).cumsum().where(df['pump'], 0)
print (df)
date   pump  group  group1
0  2018-01-06 12:01:00   True      1       0 <- changed false, starting true group by 0
1  2018-01-06 12:01:30   True      1       0
2  2018-01-06 12:02:00   True      1       0
3  2018-01-06 12:02:30  False      0       0
4  2018-01-06 12:03:00   True      2       1
5  2018-01-06 12:03:30   True      2       1
6  2018-01-06 12:04:00   True      2       1
7  2018-01-06 12:04:30  False      0       0