Я думаю, вы можете использовать shift и mask:
mask = ((df.column_A == df.column_A.shift())
& (df.column_B == 'START') & (df.column_B.shift() == 'STOP'))
df.loc[mask, 'time'] -= df.time.shift().loc[mask]
Маска выбирает строку, где значение в 'column_A' равно значению в предыдущем (получено с помощью shift), а где "column_B" равно "START", а предыдущая строка - "STOP". Использование loc позволяет изменить значение для всех выбранных строк на mask в столбце «время», удалив значение в предыдущей строке (снова shift) с той же маской во времени столбца
РЕДАКТИРОВАТЬ: с примером:
df = pd.DataFrame({'column_A': [0,1,1,2,1,2,2], 'column_B': ['START', 'STOP', 'START','STOP', 'START','STOP', 'START'], 'time':range(7)})
column_A column_B time
0 0 START 0
1 1 STOP 1
2 1 START 2
3 2 STOP 3
4 1 START 4
5 2 STOP 5
6 2 START 6
поэтому здесь строки с номерами 2 и 6 соответствуют вашему условию, поскольку предыдущая строка имеет то же значение в column_A и получает «START» в column_B, а предыдущая строка имеет «STOP».
После запуска кода вы получите df:
column_A column_B time
0 0 START 0.0
1 1 STOP 1.0
2 1 START 1.0
3 2 STOP 3.0
4 1 START 4.0
5 2 STOP 5.0
6 2 START 1.0
где значение во времени в строке 2 равно 1 (первоначально 2 минус значение в предыдущей строке 1) и то же самое для строки 6 (6 - 5)
РЕДАКТИРОВАТЬ для сравнения времени давайте создадим df с 3000 строками
df = pd.DataFrame( [['A', 'START', 3], ['A', 'STOP', 6], ['B', 'STOP', 2],
['C', 'STOP', 1], ['C', 'START', 9], ['C', 'STOP', 7]],
columns=['column_A', 'column_B', 'time'] )
df = pd.concat([df]*500)
df.shape
Out[16]: (3000, 3)
теперь создайте две функции двумя методами:
# original method
def espogian (df):
N = df.shape[0]
for i in range(1, N):
if df.column_A.iloc[i] == df.column_A.iloc[i-1]:
if df.column_B.iloc[i] == 'START' and df.column_B.iloc[i-1] == 'STOP':
df.time.iloc[i] = df.time.iloc[i] - df.time.iloc[i-1]
return df
# mine
def ben(df):
mask = ((df.column_A == df.column_A.shift())
& (df.column_B == 'START') & (df.column_B.shift() == 'STOP'))
df.loc[mask, 'time'] -= df.time.shift().loc[mask]
return df
и запустить timeit:
%timeit espogian (df)
1 loop, best of 3: 8.71 s per loop
%timeit ben (df)
100 loops, best of 3: 4.79 ms per loop
# verify they are equal
df1 = espogian (df)
df2 = ben (df)
(df1==df2).all()
Out[24]:
column_A True
column_B True
time True