Колонка увеличения количества на 1 основание на другом столбце

Question

У меня есть этот фрейм данных, где мне нужно создать столбец подсчета на моем столбце расстояния. Я сгруппировал результат по столбцу модели. То, что я ожидаю получить, это приращение на 1 в следующей строке подсчета каждый раз, когда расстояние равно 100. Например, вот то, что у меня есть, но пока нет успеха с приращением

import pandas as pd
df = pd.DataFrame(
    [['A', '34', 3], ['A', '55', 5], ['A', '100', 7], ['A', '0', 1],['A', '55', 5],
     ['B', '90', 3], ['B', '0', 1], ['B', '1', 3], ['B', '21', 1],['B', '0', 1],
     ['C', '9', 7], ['C', '100', 4], ['C', '50', 1], ['C', '100', 6],['C', '22', 4]],
    columns=['Model', 'Distance', 'v1'])

df = df.groupby(['Model']).apply(lambda row: callback(row) if row['Distance'] is not None else callback(row)+1)
print(df)
import numpy as np
(
    df.groupby('Model')
    .apply(lambda x: x.assign(Bount=x.Count  + x.Distance.shift()
                              .eq('100').replace(False, np.nan)
                              .ffill().fillna(0)
                             )
          )
    .reset_index(level=0, drop=True)
)

Result with your code solution

Model   Distance    v1  Count
A           34      3   1.0
A           55      5   2.0
A           100     7   3.0
A           0       1   5.0
A           55      5   6.0
B           90      3   1.0
B           0       1   2.0
B           1       3   3.0
B           21      1   4.0
B           0       1   5.0
C           9       7   1.0
C           100     4   2.0
C           50      1   4.0
C           100     6   5.0
C           22      4   6.0


My expected result is:


Model   Distance    v1  Count
A           34      3   1.0
A           55      5   2.0
A           100     7   3.0
A           0       1   5.0
A           55      5   6.0
B           90      3   1.0
B           0       1   2.0
B           1       3   3.0
B           21      1   4.0
B           0       1   5.0
C           9       7   1.0
C           100     4   2.0
C           50      1   4.0
C           100     6   5.0
C           22      4   7.0

Взять посмотрите на группу C, расстояние между которой равно 100

Answer 1

Настройка:

df = pd.DataFrame({'Model': {0: 'A', 1: 'A', 2: 'A', 3: 'A', 4: 'A', 5: 'B', 6: 'B', 7: 'B', 8: 'B', 9: 'B', 10: 'C', 11: 'C', 12: 'C', 13: 'C', 14: 'C'}, 
                   'Distance': {0: '34', 1: '55', 2: '100', 3: '0', 4: '55', 5: '90', 6: '0', 7: '1', 8: '21', 9: '0', 10: '9', 11: '23', 12: '100', 13: '33', 14: '23'}, 
                   'v1': {0: 3, 1: 5, 2: 7, 3: 1, 4: 5, 5: 3, 6: 1, 7: 3, 8: 1, 9: 1, 10: 7, 11: 4, 12: 1, 13: 6, 14: 4}, 
                   'Count': {0: 1, 1: 2, 2: 3, 3: 4, 4: 5, 5: 1, 6: 2, 7: 3, 8: 4, 9: 5, 10: 1, 11: 2, 12: 3, 13: 4, 14: 5}})

Если необходимо применить логику c к столбцу модели, вы можете использовать сдвиг, сравнение и добавление 1 для строк eligibal:

df.loc[df.Distance.shift().eq('100'), 'Count'] += 1

Если необходимо применить logi c для каждой группы моделей, то вы можете использовать groupby:

(
    df.groupby('Model')
    .apply(lambda x: x.assign(Count=x.Distance.shift().eq('100') + x.Count))
    .reset_index(level=0, drop=True)
)

На основе обновлений @ StringZ ниже представлено обновленное решение. :

(
    df.groupby('Model')
    .apply(lambda x: x.assign(Count=x.Count + x.Distance.shift()
                              .eq('100').replace(False, np.nan)
                              .ffill().fillna(0)
                             )
          )
    .reset_index(level=0, drop=True)
)

Model   Distance    v1  Count
0   A   34          3   1.0
1   A   55          5   2.0
2   A   100         7   3.0
3   A   0           1   5.0
4   A   55          5   6.0
5   B   90          3   1.0
6   B   0           1   2.0
7   B   1           v3  3.0
8   B   21          1   4.0
9   B   0           1   5.0
10  C   9           7   1.0
11  C   23          4   2.0
12  C   100         1   3.0
13  C   33          6   5.0
14  C   23          4   6.0