Count Повторное вхождение значения в python

Question

У меня есть набор данных, который содержит что-то вроде этого:

SNo  Cookie
1       A
2       A
3       A
4       B
5       C
6       D
7       A
8       B
9       D
10      E
11      D
12      A

Допустим, у нас есть 5 куки 'A, B, C, D, E' . Теперь я хочу подсчитать, возник ли какой-либо файл cookie повторно после обнаружения нового файла cookie. Например, в приведенном выше примере cookie A снова встретился на 7-м месте, а затем на 12-м месте. ПРИМЕЧАНИЕ Мы не будем считать A на 2-м месте, поскольку оно появилось одновременно, но на 7-м и 12-м местах мы видели много новых файлов cookie, прежде чем снова увидели A, поэтому мы считаем этот экземпляр. По сути, я хочу что-то вроде этого:

Sno Cookie  Count
 1     A     2
 2     B     1
 3     C     0
 4     D     2
 5     E     0

Может кто-нибудь дать мне логику или код Python за этим?

Answer 1

Начните с удаления последовательных дубликатов, затем подсчитайте выживших:

no_dups = df[df.Cookie != df.Cookie.shift()] # Borrowed from @sacul
no_dups.groupby('Cookie').count() - 1
#        SNo
#Cookie     
#A         2
#B         1
#C         0
#D         2
#E         0

Answer 2

pandas.factorize и numpy.bincount

1. Если сразу повторяющиеся значения не учитываются, удалите их.
2. Выполните нормальный подсчет оставшихся значений.
3. Однако это на одну сумму больше, чем требуется, поэтому вычтите одну.

---

1. factorize
2. Отфильтровать немедленные повторы
3. bincount
4. Продукт pandas.Series

---

i, r = pd.factorize(df.Cookie)
mask = np.append(True, i[:-1] != i[1:])
cnts = np.bincount(i[mask]) - 1

pd.Series(cnts, r)

A    2
B    1
C    0
D    2
E    0
dtype: int64

---

pandas.value_counts

zip печенье с его запаздывающим я, вытягивающим не повторяется

c = df.Cookie.tolist()

pd.value_counts([a for a, b in zip(c, [None] + c) if a != b]).sort_index() - 1

A    2
B    1
C    0
D    2
E    0
dtype: int64

---

defaultdict

from collections import defaultdict

def count(s):
  d = defaultdict(lambda:-1)
  x = None
  for y in s:
    d[y] += y != x
    x = y

  return pd.Series(d)

count(df.Cookie)

A    2
B    1
C    0
D    2
E    0
dtype: int64

Answer 3

Один из способов сделать это состоит в том, чтобы сначала избавиться от последовательных Cookies, затем найти, где Cookie был замечен до использования duplicated, и, наконец, groupby cookie и получить сумму:

no_doubles = df[df.Cookie != df.Cookie.shift()]

no_doubles['dups'] = no_doubles.Cookie.duplicated()

no_doubles.groupby('Cookie').dups.sum()

Это дает вам:

Cookie
A    2.0
B    1.0
C    0.0
D    2.0
E    0.0
Name: dups, dtype: float64