确定分组数据框中值的变化

Question

假设有一个像这样的数据集（最初是从 .csv 读取的）：

data = pd.DataFrame({'id': [1,2,3,1,2,3],
                     'time':['2017-01-01 12:00:00','2017-01-01 12:00:00','2017-01-01 12:00:00',
                          '2017-01-01 12:10:00','2017-01-01 12:10:00','2017-01-01 12:10:00'],
                     'value': [10,11,12,10,12,13]})

=>

    id  time                    value
0   1   2017-01-01 12:00:00     10
1   2   2017-01-01 12:00:00     11
2   3   2017-01-01 12:00:00     12
3   1   2017-01-01 12:10:00     10
4   2   2017-01-01 12:10:00     12
5   3   2017-01-01 12:10:00     13

每个观察周期内所有 ID 的时间都是相同的。该系列以这种方式进行多次观察，即每十分钟一次。

value我想要连续时间之间按 id 列出的列中的总更改数。例如：对于 id=1，没有变化（结果：0）。对于 id=2，有一项更改（结果：1）。受这篇文章的启发，我尝试采取差异： Determingwhen a column valuechanges in pandas dataframe

这是我到目前为止所提出的（没有按预期工作）：

data = data.set_index(['id', 'time']) # MultiIndex 
grouped = data.groupby(level='id') 
data['diff'] = grouped['value'].diff()
data.loc[data['diff'].notnull(), 'diff'] = 1
data.loc[data['diff'].isnull(), 'diff'] = 0
grouped['diff'].sum()

但是，这只是每个 id 出现次数的总和。

由于我的数据集很大（并且无法装入内存），因此解决方案应该尽可能快。（这就是为什么我在 id + time 上使用 MultiIndex 的原因。我期望显着的加速，因为最佳情况下数据不再需要打乱。）

此外，我遇到了 dask 数据帧，它与 pandas dfs 非常相似。利用它们的解决方案将是非常棒的。

Answer 1

你想要这样的东西吗？

data.groupby('id').value.apply(lambda x: len(set(x)) - 1)

你得到

id
1    0
2    1
3    1

编辑：正如@COLDSPEED提到的，如果要求将更改捕获回某个值，请使用

data.groupby('id').value.apply(lambda x: (x != x.shift()).sum() - 1)