Python循环遍历pandas Groupby对象

Question

以下是数据框中的一个示例行：

{
"sessionId" : "454ec8b8-7f00-40b2-901c-724c5d9f5a91",
"useCaseId" : "3652b5d7-55b8-4bee-82b6-ab32d5543352",
"timestamp" : "1559403699899",
"endFlow" : "true"
}    

我按“sessionId”进行groupby，这会给我一个这样的组：

Row 1:
{
"sessionId" : "454ec8b8-7f00-40b2-901c-724c5d9f5a91",
"useCaseId" : "usecaseId1",
"timestamp" : "1559403699899",
"endFlow" : "false"
},
 Row 2:
{
"sessionId" : "454ec8b8-7f00-40b2-901c-724c5d9f5a91",
"useCaseId" : "usecaseId1",
"timestamp" : "1559403699899",
"endFlow" : "false"
},
Row 3:
{
"sessionId" : "454ec8b8-7f00-40b2-901c-724c5d9f5a91",
"useCaseId" : "usecaseId2",
"timestamp" : "1559403699899",
"endFlow" : "true"
},
Row 4:
{
"sessionId" : "454ec8b8-7f00-40b2-901c-724c5d9f5a91",
"useCaseId" : "usecaseId1",
"timestamp" : "1559403699899",
"endFlow" : "false"
},
Row 5:
{
"sessionId" : "454ec8b8-7f00-40b2-901c-724c5d9f5a91",
"useCaseId" : "usecaseId1",
"timestamp" : "1559403699899",
"endFlow" : "true"
}   

以上面的组为例，我想在这里实现的是，在通过'sessionId'对数据帧进行分组之后，我想循环通过具有相同'useCaseId'的连续行（因此，在上面的组中，将有三组连续行我想循环，
第1-2行、第3行、第4-5行

以及从上述连续的行集合（Row1-Row2、Row3、Row4-Row5（其中每个集合具有相同的useCaseId），
我想找出只有false中的行endflow值的集合数。你知道吗

因此，从上面给出的组的例子来看，预期结果如下：
1（因为具有相同useCaseId'usecaseId1'的行1-Row2只有endflow'false'，而'Row3'和'Row4-Row5'有endflow'true'）

我怎样才能做到这一点？
更新：

1. 你知道吗测向头（）：

   sessionId   useCaseId      timestamp endFlow
   0  sessionId1  useCaseId1  1559403699899   false
   1  sessionId1  useCaseId1  1559403699899   false
   2  sessionId1  useCaseId2  1559403699899    true
   3  sessionId1  useCaseId1  1559403699899   false
   4  sessionId1  useCaseId1  1559403699899    true  
   

2. 我的尝试：
   我已经尝试过按“sessionId”和“usecaseId”对数据帧进行分组，但这行不通，因为它将用“usecaseId”对数据帧进行唯一分组，而这不是我想要的，我想在按“sessionId”和“usecaseId”分组后，在连续行中循环，然后计算只有“endFlow”的具有相同“usecaseId”的连续行“错误”。

3. 预期产量： 按“sessionId”分组后，我想计算具有相同“useCaseId”且“endFlow”仅为“false”的连续行数
   从上述给定的组示例中，预期结果如下： 1（因为具有相同useCaseId'usecaseId1'的行1-Row2只有endflow'false'，而'Row3'和'Row4-Row5'有endflow'true'）

Answer 1

您可以这样做：（我假设df.endFlow包含'true'和'false'的字符串。如果它包含布尔值True和False，只需取出replace命令（eem>）

df.endFlow.replace({'true': True, 'false': False}).groupby([df.sessionId, df.useCaseId.ne(df.useCaseId.shift()).cumsum()]).sum().eq(False).sum()

Out[1258]: 1

现在，我将您的样本更改为包含两组满足条件的样本，它还报告了正确的计数，如下所示：

df1:
    sessionId   useCaseId      timestamp  endFlow
0  sessionId1  useCaseId1  1559403699899    false
1  sessionId1  useCaseId1  1559403699899    false
2  sessionId1  useCaseId2  1559403699899     true
3  sessionId1  useCaseId1  1559403699899    false
4  sessionId1  useCaseId1  1559403699899    false

df1.endFlow.replace({'true': True, 'false': False}).groupby([df1.sessionId, df1.useCaseId.ne(df1.useCaseId.shift()).cumsum()]).sum().eq(False).sum()

Out[1264]: 2

注：我从您的描述中了解到，只有一行的组也被视为连续行组。因此，如果其endFlow是False，则计数将包括它