如何用非循环方式判断Pandas中当前值与前三个值均不相等？

现有一段用于判断DataFrame中col1列当前值与前3个值是否相等的矢量化代码：

import pandas as pd
data={'col1':[False, False, False, False,False, False, True, True]}
df=pd.DataFrame(data,columns=['col1'])
print(df)
df['match'] = df.col1.eq(df.col1.shift(3))
print(df)

对应的输出结果为：

col1
0  False
1  False
2  False
3  False
4  False
5  False
6   True
7   True

    col1  match
0  False  False
1  False  False
2  False  False
3  False   True
4  False   True
5  False   True
6   True  False
7   True  False

现在需要实现当前值与前三个值均不相等的判断，要求不使用For循环，预期输出如下：

col1  match
0  False  False
1  False  False
2  False  False
3  False  False
4  False  False
5  False  False
6   True  True
7   True  False

解决方案 #

可以通过shift方法分别获取前1、2、3位的列数据，使用ne（不等于）运算符判断当前值与这三个值的关系，最后通过逻辑与&组合条件，再手动将前3行因缺少前置数据的match值设为False：

import pandas as pd
data={'col1':[False, False, False, False,False, False, True, True]}
df=pd.DataFrame(data,columns=['col1'])

# 判断当前值与前1、2、3位的值均不相等
df['match'] = df['col1'].ne(df['col1'].shift(1)) & df['col1'].ne(df['col1'].shift(2)) & df['col1'].ne(df['col1'].shift(3))
# 前3行无足够前置数据，直接设为False
df.loc[:2, 'match'] = False

print(df)

也可以用更简洁的方式，通过concat合并当前列与前3个偏移列，再按行判断当前值与其他三个值均不相等：

import pandas as pd
data={'col1':[False, False, False, False,False, False, True, True]}
df=pd.DataFrame(data,columns=['col1'])

# 合并当前列和前3个偏移列，逐行判断当前值与其他三个均不等
df['match'] = pd.concat(
    [df['col1'], df['col1'].shift(1), df['col1'].shift(2), df['col1'].shift(3)],
    axis=1
).apply(lambda row: row[0] != row[1] and row[0] != row[2] and row[0] != row[3], axis=1)
# 前3行手动置为False
df.loc[:2, 'match'] = False

print(df)

两种方法运行后都会得到预期输出：

col1  match
0  False  False
1  False  False
2  False  False
3  False  False
4  False  False
5  False  False
6   True  True
7   True  False

内容的提问来源于stack exchange，提问作者flintstone