Pandas识别二进制1后6个0位置方法

本篇文章主要是结合我之前面试的各种经历和实战开发中遇到的问题解决经验整理的，希望这篇《如何在 Pandas 中精准识别二进制序列中“1后接6个连续0”的起始位置 》对你有很大帮助！欢迎收藏，分享给更多的需要的朋友学习~

本文介绍一种高效、可扩展的方法，利用 NumPy 的滑动窗口机制，在 Pandas DataFrame 中精准定位满足“某行 TARGET=1 且其后紧邻6个连续0”条件的最后一个1的位置，并在该行标记为 True。

在时间序列或状态转换分析中，常需识别特定模式的边界点——例如，“一个状态结束并稳定进入静默期”的时刻。本例中，目标是：当某行 TARGET == 1，且其之后连续6行（含自身后续）均为0时，将该 1 所在行的 OUTPUT 设为 True；且仅标记满足条件的最后一个 1（即最靠近该6个0块的前导1），其余 1 行为 False。

你最初尝试的 rolling(6).sum().eq(0).shift(-6) & df['TARGET'].eq(1) 实际上存在逻辑偏差：

• rolling(6).sum().eq(0) 检查的是当前行及前5行是否全为0（窗口向左对齐）；
• shift(-6) 将其下移6行，试图匹配“当前行为1，之后6行为0”，但滚动窗口默认左对齐 + shift(-6) 易导致越界和语义混淆，不可靠且难以维护。

✅ 推荐方案：使用 numpy.lib.stride_tricks.sliding_window_view 构建固定长度、右对齐的滑动窗口，直接匹配目标模式 [1, 0, 0, 0, 0, 0, 0]（长度为7）：

import pandas as pd
import numpy as np
from numpy.lib.stride_tricks import sliding_window_view

# 示例数据
df = pd.DataFrame({
    'CLI_CD': [3] * 10,
    'TARGET': [1, 1, 1, 0, 0, 0, 0, 0, 0, 0]
})

# 定义匹配模式：1 后紧跟 6 个 0 → 总长 7
PATTERN = np.array([1, *[0]*6])  # 等价于 [1,0,0,0,0,0,0]

def mark_pattern_start(series):
    # 生成所有长度为 len(PATTERN) 的连续子序列窗口
    windows = sliding_window_view(series, window_shape=len(PATTERN))
    # 判断每个窗口是否完全匹配 PATTERN
    matches = (windows == PATTERN).all(axis=1)
    # 将布尔结果映射回原 series 长度：匹配窗口的起始位置设为 True，其余为 False
    # 使用 np.pad 补零至原长度（因窗口数 = n - len(PATTERN) + 1）
    result = np.zeros(len(series), dtype=bool)
    result[:len(matches)] = matches
    return result

df['OUTPUT'] = df.groupby('CLI_CD')['TARGET'].transform(mark_pattern_start)
print(df)

? 关键说明：

• sliding_window_view(series, 7) 将长度为 n 的序列转为 (n-6, 7) 形状数组，每行是一个长度为7的连续切片；
• (windows == PATTERN).all(axis=1) 得到长度为 n-6 的布尔数组，True 表示该窗口从第 i 行开始完全匹配模式；
• 因此，result[i] = True 即表示第 i 行是模式的起始位（即那个关键的 1），完美符合需求；
• groupby(...).transform() 确保按 CLI_CD 分组独立检测，避免跨组误匹配。

⚠️ 注意事项：

• 若数据中存在少于6个尾随0的情况（如末尾不足6个0），对应位置自动无法匹配，安全无副作用；
• 模式可任意定制（如 [0,1,0,0,1,1,0]），不依赖数值求和，泛化性强、语义清晰；
• sliding_window_view 自 NumPy 1.20 起内置，无需额外依赖；旧版本可用 np.lib.stride_tricks.as_strided 手动实现，但需谨慎处理内存安全。

✅ 总结：相比滚动窗口+位移的隐晦逻辑，滑动窗口模式匹配更直观、健壮、易调试，是处理此类固定长度序列模式识别任务的最佳实践。

今天关于《Pandas识别二进制1后6个0位置方法》的内容介绍就到此结束，如果有什么疑问或者建议，可以在golang学习网公众号下多多回复交流；文中若有不正之处，也希望回复留言以告知！