计算满足条件的滚动窗口上的唯一值

Question

我有以下类似的数据：

df = pd.DataFrame({
    'cat': ['a','a','b','c','a','a','c','b', 'b'],
    'cond': [True, True, False, True, False, True, True, True, True]
})

我想创建一个新的列来统计滚动窗口上cat的唯一出现次数，其中cat的所有出现次数每秒都为True

因此，上述带有滚动（窗口=3）的df的输出为：

df['manual_count'] = pd.Series([np.nan,np.nan,1.0,2.0,1.0,1.0,1.0,3.0,2.0])

我只知道在没有条件的情况下计算唯一的事件，这相当简单：

df['all'] = (
    pd.Series(df['cat'].factorize()[0])
    .rolling(3)
    .apply(lambda x: x.nunique())
)

但这种情况的出现让我感到困惑。我认为答案取决于groupby/apply，但似乎无法根据需要将它们组合在一起…感谢任何帮助

[编辑]使用Myrl的优秀创意的最终解决方案：

df['false_once'] = (
    pd.Series(df['cat'].factorize()[0])
    .where(~df['cond'], -1)
    .rolling(3)
    .apply(lambda x: x[x>=0].nunique())
)
df['true_all'] = df['all'] - df['false_once']

Answer 1

如何根据df["cond"]过滤列，并用-1之类的标记替换不满足条件的元素？由于pd.factorize始终返回非负整数，因此可以在计算唯一元素之前清除负值。这里有一个简单的句子来表达这个想法：

pd.Series(df['cat'].factorize()[0])
  .where(df['cond'], -1).rolling(3)
  .apply(lambda x: x[x>0].nunique())