如何用Python统计S连续序列的长度及出现频次（按长度降序）

以下是统计所有连续S序列长度及频率的Python代码，基于Pandas实现，效率更高且逻辑清晰：

import pandas as pd

# 读取CSV数据
df = pd.read_csv('C:\\teste\\pergunta.csv')

# 生成连续相同响应的分组ID
df['group_id'] = df['Responses'].ne(df['Responses'].shift()).cumsum()

# 筛选所有S的分组，计算每个连续序列的长度
s_sequence_lengths = df[df['Responses'] == 'S'].groupby('group_id').size()

# 统计各长度的出现频率，并重命名列
frequency_stats = s_sequence_lengths.value_counts().reset_index()
frequency_stats.columns = ['Sequence', 'Frequency']

# 按序列长度从长到短排序
frequency_stats = frequency_stats.sort_values('Sequence', ascending=False)

# 将频率格式化为指定的"X times"形式
frequency_stats['Frequency'] = frequency_stats['Frequency'].apply(lambda x: f"{x} times")

# 输出Markdown格式的结果表格
print(frequency_stats.to_markdown(index=False))

代码说明 #

• 分组连续序列：通过ne（不等于）和shift（上移一行）识别响应值的变化点，再用cumsum生成唯一分组ID，确保同一连续序列的行拥有相同ID。
• 计算序列长度：筛选出所有值为S的行，按分组ID聚合计算每组的行数，即连续S序列的长度。
• 统计频率并排序：用value_counts统计各长度的出现次数，再按长度降序排序，最后格式化频率列的显示格式。

示例输出 #

执行代码后会输出如下格式的Markdown表格：

内容的提问来源于stack exchange，提问作者Alexsander Santos