我有一个X列的数据框df。我想在X中创建一个新列Y
如果同一行中的X为1，则Y应该为1，并且上面的0（在X中也应为）的最小值应为n（变量）。如果零大于n，则结果应为“”Y。
我在np.where尝试了几个小时，但没有成功。我认为我需要lambda函数，但不知道如何开始或研究。
示例n = 4：
于日期2018年1月25日，结果为1，因为X为1，且上面的0´大于4。
在日期2018-01-25上，结果为“”，因为0´s仅高于3（而不是4）
Dates X Y (like it should be...)
2018-01-02 0
2018-01-03 0
2018-01-04 0
2018-01-05 0
2018-01-08 0
2018-01-09 0
2018-01-10 0
2018-01-11 0
2018-01-12 0
2018-01-15 0
2018-01-16 0
2018-01-17 0
2018-01-18 0
2018-01-19 0
2018-01-22 0
2018-01-23 0
2018-01-24 0
2018-01-25 1 1
2018-01-29 0
2018-01-30 0
2018-01-31 0
2018-02-02 1
2018-02-05 0
2018-02-06 0
2018-02-07 0
2018-02-08 0
2018-02-09 1 1
2018-02-12 1
2018-02-13 0
最佳答案
IIUC，
我们可以对临时列进行分组，然后对某些条件匹配应用条件cumsum + cumcount。
s = (df.assign(var1='x').groupby('var1')['X']
.apply(lambda x : x.ne(x.shift()).ne(0).cumsum()))
# create a temp variable.
df['Count']=df.groupby([df.X,s]).cumcount()+1 # add a Count column.
matches = df.iloc[df.loc[(df['X'] == 1)].index - 1].loc[df['Count'] >= 4].index
# find the index matches and check if the previous row has +4 or more matches
df.loc[matches + 1,'Y'] = 1 # Create your Y column.
df.drop('Count',axis=1,inplace=True) # Drop the Count Column.
print(df[df['Y'] == 1]) # print df
Dates X Y
17 2018-01-25 1 1.0
26 2018-02-09 1 1.0