python之Pandas 计算列中的负值序列

我在 Pandas Dataframe 的“B”列中有值，可以是正值也可以是负值:

data=[[5889.25, 738.0], 
 [5896.5, 49.0], 
 [5897.5, 130.0], 
 [5899.5, -266.0], 
 [5903.75, -126.0], 
 [5903.75, -512.0], 
 [5898.75, -141.0], 
 [5897.5, -303.0], 
 [5895.0, -107.0], 
 [5893.25, 27.0]] 
 
pd.DataFrame(data,columns=['A','B']) 
 
    A   B 
0   5889.25 738.0 
1   5896.50 49.0 
2   5897.50 130.0 
3   5899.50 -266.0 
4   5903.75 -126.0 
5   5903.75 -512.0 
6   5898.75 -141.0 
7   5897.50 -303.0 
8   5895.00 -107.0 
9   5893.25 27.0 

什么是快速 pythonic 方法来使计算“B”中的数字为负数的“C”列？所以数据框看起来像:

    A   B   C 
0   5889.25 738.0   0 
1   5896.50 49.0    0 
2   5897.50 130.0   0 
3   5899.50 -266.0  1 
4   5903.75 -126.0  2 
5   5903.75 -512.0  3 
6   5898.75 -141.0  4 
7   5897.50 -303.0  5 
8   5895.00 -107.0  6 
9   5893.25 27.0    0 

请您参考如下方法:

您可以使用 np.where 找到负值，然后使用 groupby 和 cumcount()+1

data=[[5889.25, 738.0], 
 [5896.5, 49.0], 
 [5897.5, 130.0], 
 [5899.5, -266.0], 
 [5903.75, -126.0], 
 [5903.75, -512.0], 
 [5898.75, -141.0], 
 [5897.5, -303.0], 
 [5895.0, -107.0], 
 [5893.25, 27.0]] 
 
df = pd.DataFrame(data,columns=['A','B']) 
df['C'] = np.where(df['B']>0,0,df.groupby(np.where(df['B']<0,0,df['B'])).cumcount()+1) 

输出:

         A      B  C 
0  5889.25  738.0  0 
1  5896.50   49.0  0 
2  5897.50  130.0  0 
3  5899.50 -266.0  1 
4  5903.75 -126.0  2 
5  5903.75 -512.0  3 
6  5898.75 -141.0  4 
7  5897.50 -303.0  5 
8  5895.00 -107.0  6 
9  5893.25   27.0  0 

If you want to create a sequence for every positive number you can write a function

count = 0 
def count_neg(x): 
    global count 
    if x < 0: 
        count+=1 
    else : 
        count = 0  
    return count 
df['C'] = df['B'].apply(count_neg) 

输出:

        A      B  C 
0  5889.25 -738.0  1 
1  5896.50  -49.0  2 
2  5897.50  130.0  0 
3  5899.50 -266.0  1 
4  5903.75 -126.0  2 
5  5903.75 -512.0  3 
6  5898.75 -141.0  4 
7  5897.50 -303.0  5 
8  5895.00 -107.0  6 
9  5893.25   27.0  0