Какой самый быстрый и / или самый питонный способ проверки двух значений True (логическое 1) подряд?

Question

Я придумал это решение, но мне было интересно, есть ли какая-то встроенная функция, которая делает это лучше, быстрее или более питоническим способом

import numpy as np
import pandas as pd

n = 1 #number of trials
p = 0.5 #prob of succes
k = 50 #amount of reptitions

s = pd.Series(np.random.binomial(n, p, k)).to_frame()
s.columns = ['data']
s['shifted'] = s['data'].shift(1)
s['lagged'] = s['data'].shift(-1)
s['two_ones_in_a_row'] = (s['data'] & s['lagged']) | (s['data'] & s['shifted'])

Answer 1

На мой взгляд, решение неплохое, также новые столбцы не нужны, вы можете сравнить их на Series:

s = pd.Series(np.random.binomial(n, p, k)).to_frame()
s.columns = ['data']
s1= s['data'].shift(1)
s2 = s['data'].shift(-1)
s['two_ones_in_a_row'] = (s['data'] & s2) | (s['data'] & s1)

Если важна производительность, используйте numpy:

a = s['data'].values.astype(bool)
s['two_ones_in_a_row1'] = (a & np.append(a[1:], False)) | (a & np.append(False, a[:-1]))

---

n = 1 #number of trials
p = 0.5 #prob of succes
k = 50000 #amount of reptitions

s = pd.Series(np.random.binomial(n, p, k)).to_frame()
s.columns = ['data']


In [153]: %%timeit 
     ...: s1= s['data'].shift(1)
     ...: s2 = s['data'].shift(-1)
     ...: s['two_ones_in_a_row'] = (s['data'] & s2) | (s['data'] & s1)
     ...: 
21 ms ± 581 µs per loop (mean ± std. dev. of 7 runs, 10 loops each)

In [154]: %%timeit
     ...: a = s['data'].values.astype(bool)
     ...: s['two_ones_in_a_row1'] = (a & np.append(a[1:], False)) | (a & np.append(False, a[:-1]))
     ...: 
213 µs ± 2.92 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)