按日期分组：val列出现连续两个y后当日剩余行标记True

给定如下DataFrame，需新增一列out，规则为：

• 按自然日分组，每日逻辑独立重置
• 当某组内val列出现连续两个"y"时，将该组中这两个"y"之后的所有行标记为True，其余行标记为False

示例数据 #

import pandas as pd

df_so = pd.DataFrame(
    {
        "val": list("yynnnyyynn")
    },
    index=pd.date_range(start="1/1/2018", periods=10, freq="6h"),
)

数据展示：

val
2018-01-01 00:00:00  y
2018-01-01 06:00:00  y
2018-01-01 12:00:00  n
2018-01-01 18:00:00  n
2018-01-02 00:00:00  n
2018-01-02 06:00:00  y
2018-01-02 12:00:00  y
2018-01-02 18:00:00  y
2018-01-03 00:00:00  n
2018-01-03 06:00:00  n

期望输出 #

val    out
2018-01-01 00:00:00  y  False
2018-01-01 06:00:00  y  False
2018-01-01 12:00:00  n   True
2018-01-01 18:00:00  n   True
2018-01-02 00:00:00  n  False
2018-01-02 06:00:00  y  False
2018-01-02 12:00:00  y  False
2018-01-02 18:00:00  y   True
2018-01-03 00:00:00  n  False
2018-01-03 06:00:00  n  False

解决方案 #

实现思路 #

按自然日分组后，在每组内完成以下操作：

1. 标记出当前行与下一行均为"y"的位置
2. 找到该组中第一个连续双"y"的位置，将其下一行设为标记True的起始点
3. 对起始点之后的所有行标记True，其余行标记False

代码实现 #

def mark_post_consecutive_y(group):
    # 标记连续两个"y"的位置（当前行和下一行都是y）
    consecutive_y = (group['val'] == 'y') & (group['val'].shift(-1) == 'y')
    if consecutive_y.any():
        # 获取第一个连续双y的索引，取其下一个位置作为标记起点
        first_consec_idx = consecutive_y.idxmax()
        start_pos = group.index.get_loc(first_consec_idx) + 1
        # 初始化out列为False，再将起点后的行设为True
        group['out'] = False
        if start_pos < len(group):
            group.loc[group.index[start_pos:], 'out'] = True
    else:
        # 无连续双y时全为False
        group['out'] = False
    return group

# 按日期分组应用逻辑
df_result = df_so.groupby(df_so.index.date).apply(mark_post_consecutive_y)
print(df_result)

关键说明 #

• groupby(df_so.index.date)确保每日逻辑独立，不会跨日期影响
• consecutive_y通过移位操作快速定位连续双"y"的位置
• 仅对第一个出现连续双"y"的位置之后的行标记True，符合需求中的"该日后续所有行"规则

内容的提问来源于stack exchange，提问作者nipy