遍历列中的数字，获取重复开始时的第一行行号

Question

在我的数据集中，我需要找出连续出现超过280次的0，并返回这个重复开始的第一行的行号。我正在使用Python 3.11。

示例数据：

差异

0
0
0
0
0
0
0
.
.
.
5
5
.
.
0
0
0
0

或者创建一个示例数据集：

   ACD=[0,5]

   df2 = pd.DataFrame(np.repeat(ACD, 100, axis=0))
   df3=df2.sample(frac=1,axis=1).sample(frac=1).reset_index(drop=True)

到目前为止，我的代码：

c=[]
for values,row in df.loc[:, ['differences']].iterrows():
        i=0
        while row['differences']  == 0:
            count = sum(1 for i in row)
            i +=1
            if count > 280:
                continue
            c.append(np.where(row['differences']))
        else:
            values+=1

预期的输出：

row_number_rep= [5,90,120] #showing the specific row numbers where the repetition stars.

使用这段代码时，我遇到了一个错误：

<stdin>:8: DeprecationWarning: 调用0维数组的非零元素已被弃用，因为它的行为有些令人惊讶。如果想要保持旧的行为，请使用 atleast_1d(arr).nonzero()。

我需要帮助来改进这段代码。我认为问题在于我没有前280个元素都是0，我需要继续遍历整列，以找到所有开始出现280次重复0的行号。

Answer 1

使用pandas的方法

假设我们有一个例子，阈值设为 4（而不是 280）：

df = pd.DataFrame({'differences': [0,0,0,0,0,1,2,0,3,0,0,0,0,0,0,4,0,5]})

    differences
0             0  # 0: first stretch of >4
1             0
2             0
3             0
4             0
5             1
6             2
7             0
8             3
9             0  # 9: second stretch of >4
10            0
11            0
12            0
13            0
14            0
15            4
16            0
17            5

你可以使用 groupby.size 来过滤 groupby.first：

thresh = 4

m = df['differences'].eq(0)
group = (~m).cumsum().to_numpy()

g = df.reset_index()[m].groupby(group[m])
g.size()

out = g['index'].first()[g.size()>thresh].to_numpy()

输出结果是： array([ 0, 9])

使用循环的方法

lst = [0, 0, 0, 0, 0, 1, 2, 0, 3, 0, 0, 0, 0, 0, 0, 4, 0, 5, 0, 0, 0, 0, 0]
thresh = 4

start = -1
zeros = False
count = 0
out = []
for i, v in enumerate(lst+[-1]):
    if v==0:
        if not zeros:
            count = 0
            start = i
            zeros = True
        count += 1
        continue
    if count > thresh:
        if zeros:
            out.append(start)
    zeros = False

out
# [0, 9, 18]

itertools.groupby 方法：

from itertools import groupby

lst = [0, 0, 0, 0, 0, 1, 2, 0, 3, 0, 0, 0, 0, 0, 0, 4, 0, 5, 0, 0, 0, 0, 0]
thesh  = 4

out = [x[0][0] for k,g in groupby(enumerate(lst), key=lambda x: x[1]==0)
       if k and len(x:=list(g))>thresh]
# [0, 9, 18]