根据另一列的值在熊猫数据框的列中查找模式

Question

我有以下数据框：

在 key==1 的每一行中，我想在 s_w 列中搜索该行之前和之后出现的两次 1（其中 key==1），然后对这些行的 v 值求和并将其放入一个新的X 列。这些 1 的出现不一定是连续的，s_w 列中的 is 之间可能存在间隙，例如 11....11 或 101....10001，但如果我们未能在 s_w 列中找到两个 1在该行之前或之后（其中 key==1）然后我们将 NaN 放在 X 列中。对于 key==0 的行也是 NaN。

编辑：一个新的数据框来测试解决方案是否可以很好地概括：

 df = pd.DataFrame( { "p":[1,1,1,1,1,1,1,1,1,1,1,1,1],
                 "l" :[1,1,1,1,1,1,1,1,1,1,1,1,1],
                 "w":[1,2,3,4,5,6,7,8,9,10,11,12,12],
                 "s_w":[1,1,0,0,0,0,1,0,0,0,0,1,1],
                 "key" :[1,1,0,0,0,1,0,1,0,0,0,0,1],
                 "v":[2,2,5,3,4,5,5,1,2,3,4,5,4]
               })

Answer 1

我认为只有将 Series.where 添加到 previous answer 才能添加掩码：

g = df[df['s_w'].eq(1)].groupby(['p','l'])['v']
df['c_s'] = g.shift(-1).add(g.shift(-2)).add(g.shift(2)).add(g.shift(1)).where(df['key'].eq(1))


print (df)
    p  l   w  s_w  key  v   c_s
0   1  1   1    1    1  2   NaN
1   1  1   2    1    1  2   NaN
2   1  1   3    0    0  5   NaN
3   1  1   4    0    0  3   NaN
4   1  1   5    0    0  4   NaN
5   1  1   6    1    1  5  10.0 <- 2 + 2 + 5 + 1
6   1  1   7    1    0  5   NaN
7   1  1   8    1    1  1  19.0 <- 5 + 5 + 5 + 4
8   1  1   9    0    0  2   NaN
9   1  1  10    0    0  3   NaN
10  1  1  11    0    0  4   NaN
11  1  1  12    1    0  5   NaN
12  1  1  12    1    1  4   NaN