对某些数字之间的索引行求和

Question

我有一个csv格式如下

       Time     Marker
0       2104    21
1       2109    20
2       2485    21
3       2491    20
4       2867    22
5       2997    2
6       3248    23

我想计算21，22和23秒的发病率，在标记==20之间。唯一有效的标记在20个代码之间，所以前21个是无效的。多个有效的标记可以出现在一对20之间，所以我需要一个计数21，22和23之间发生一对20

因此，在上面的示例中，只有索引2可以是有效代码，因为它在两个20之间

我有一个满足Marker==20条件的索引列表

Indexrange = df.index[df['Marker'] == 20].tolist()
[1,
 3,
 10,
 19,
 22,
 25,
 29,
 32,]

我如何循环浏览索引列表，并计算每对20岁儿童中21、22、23岁儿童的发病率？你知道吗

到目前为止，我已经：

TwentyOnes=0
TwentyTwos=0
TwentyThrees=0

for i in Indexrange:
    for index, row in df.iterrows():
        if index.between(i, i+1):
            if Marker == 21
                Count_of_21s +=
            if Marker == 22
                Count_of_22s +=
            if Marker == 23
                Count_of_23s +=
            else:
                InvalidCount+=

但我现在

---------------------------------------------------------------------------
AttributeError                            Traceback (most recent call last)
<ipython-input-16-4a72c2a77924> in <module>()
  5 for i in Indexrange:
  6     for index, row in df.iterrows():
----> 7         if index.between(i,i+1):
  8             print(index, row['Marker'])

AttributeError: 'int' object has no attribute 'between'

如何仅获取IndexRange中索引之间的20对之间的值？你知道吗

所需输出为：Counts\u of \u 21s=int、Counts\u of \u 22s=int、Counts\u of \u 23s=int、InvalidCount=int

Answer 1

这是我的解决方案：

import pandas as pd

csv_df = pd.read_csv('between.txt')

markers = csv_df['Marker'].tolist()
indexrange = csv_df.index[csv_df['Marker'] == 20].tolist()
list_dicts = []

for x in range(len(indexrange)-1):
    currentgroup = {'21': markers[indexrange[x]:indexrange[x+1]].count(21),
                    '22': markers[indexrange[x]:indexrange[x+1]].count(22),
                    '23': markers[indexrange[x]:indexrange[x+1]].count(23)
                    }
    list_dicts.append(currentgroup)

i = 1
for list in list_dicts:
    print(f'Grouping {i}', list)
    i = i+1

温的好多了。你知道吗

Answer 2

看来你需要

df.groupby(df.Marker.eq(20).cumsum()).Marker.value_counts()
Out[1013]: 
Marker  Marker
0       21        1
1       20        1
        21        1
2       2         1
        20        1
        22        1
        23        1
Name: Marker, dtype: int64

更新

df=df.assign(yourid=df.Marker.eq(20).cumsum())
df.loc[(df.yourid<df.yourid.max())&(df.yourid>df.yourid.min())&(df.Marker!=20),:].groupby('yourid').Marker.value_counts()
Out[1021]: 
yourid  Marker
1       21        1
Name: Marker, dtype: int64