首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

如何获取列pandas中连续1的最大计数

在pandas中,可以使用groupbycumsum函数来获取连续1的最大计数。

首先,我们需要创建一个示例的pandas DataFrame:

代码语言:txt
复制
import pandas as pd

data = {'col': [0, 1, 1, 0, 1, 1, 1, 0, 0, 1]}
df = pd.DataFrame(data)

接下来,我们可以使用groupby函数将连续的1分组,并使用cumsum函数计算每个分组的累积和。然后,我们可以使用max函数找到最大的累积和:

代码语言:txt
复制
groups = df['col'].ne(df['col'].shift()).cumsum()
result = df.groupby(groups)['col'].cumsum().max()

最后,result变量将包含列中连续1的最大计数。

关于pandas的更多信息和用法,可以参考腾讯云的产品介绍链接:腾讯云·Pandas

页面内容是否对你有帮助?
有帮助
没帮助

相关·内容

一场pandas与SQL的巅峰大战(二)

上一篇文章一场pandas与SQL的巅峰大战中,我们对比了pandas与SQL常见的一些操作,我们的例子虽然是以MySQL为基础的,但换作其他的数据库软件,也一样适用。工作中除了MySQL,也经常会使用Hive SQL,相比之下,后者有更为强大和丰富的函数。本文将延续上一篇文章的风格和思路,继续对比Pandas与SQL,一方面是对上文的补充,另一方面也继续深入学习一下两种工具。方便起见,本文采用hive环境运行SQL,使用jupyter lab运行pandas。关于hive的安装和配置,我在之前的文章MacOS 下hive的安装与配置提到过,不过仅限于mac版本,供参考,如果你觉得比较困难,可以考虑使用postgreSQL,它比MySQL支持更多的函数(不过代码可能需要进行一定的改动)。而jupyter lab和jupyter notebook功能相同,界面相似,完全可以用notebook代替,我在Jupyter notebook使用技巧大全一文的最后有提到过二者的差别,感兴趣可以点击蓝字阅读。希望本文可以帮助各位读者在工作中进行pandas和Hive SQL的快速转换。本文涉及的部分hive 函数我在之前也有总结过,可以参考常用Hive函数的学习和总结。

02
领券