返回列中负数最多的组的最佳方法是什么？

我的数据帧是：

import pandas as pd
df = pd.DataFrame(
    {
        'a': [-3, -1, -2, -5, 10, -3, -13, -3, -2, 1, 2, -100],
    }
)

预期输出：

      a
0    -3
1    -1
2    -2
3    -5

逻辑：

我想返回最大的负数条纹。如果有多个连续最大，我想返回第一个连续。在 df 中有两条大小为4的负条纹，因此返回第一个。

这是我的尝试，但每当我在代码中使用 idxmax() 时，我想仔细检查，因为有时它会变得棘手一些场景。

import numpy as np 
df['sign'] = np.sign(df.a)
df['sign_streak'] = df.sign.ne(df.sign.shift(1)).cumsum()
m = df.sign.eq(-1)

group_sizes = df.groupby('sign_streak').size()
largest_group = group_sizes.idxmax()
largest_group_df = df[df['sign_streak'] == largest_group]

的方法和对 idxmax() 的谨慎是合理的。 但是，可以通过利用 Pandas 的一些内置功能来简化逻辑并避免使用 idxmax() 的潜在陷阱：

import pandas as pd
import numpy as np

df = pd.DataFrame({'a': [-3, -1, -2, -5, 10, -3, -13, -3, -2, 1, 2, -100]})

# 计算符号和符号变化
df['sign'] = np.sign(df.a)
df['sign_change'] = (df.sign != df.sign.shift()).cumsum()

# 为负数序列创建一个组
df['negative_group'] = (df.sign == -1).cumsum()

# 获取每个组的大小并找到最大组的索引
group_sizes = df[df.sign == -1].groupby('negative_group').size()
max_group_index = group_sizes.index[0] if len(group_sizes) > 0 else None

# 提取最大负序列
result = df[df.negative_group == max_group_index]

print(result)

解释：

1. 标识符号变化： 与的方法类似，此代码会标识数字符号的变化。
2. 负数组： 它会创建一个新的组变量 negative_group ，该变量仅在遇到负数时递增。 这将所有负序列分组在一起。
3. 查找最大组： 它会计算每个 negative_group 中的大小，找到最大组，并提取其索引。
4. 提取结果： 最后，它根据确定的 negative_group 索引提取属于最大负序列的行。

这段代码没有依赖 idxmax() ，而是直接使用组大小信息来找到最大负序列。 这使得逻辑更加健壮和易于理解。