Pandas 根据条件从一个位置跳到另一个位置的计数
我有以下数据帧Pandas 根据条件从一个位置跳到另一个位置的计数,pandas,python-3.5,pandas-groupby,Pandas,Python 3.5,Pandas Groupby,我有以下数据帧 id start finish location 0 1 2015-12-14 16:44:00 2015-12-15 18:00:00 A 1 1 2015-12-15 18:00:00 2015-12-16 13:00:00 B 2 1 2015-12-16 13:00:00 2015-12-16 20:00:00 C 3 2 2015-12-10 13:15:00 2015-12-12 13:45:00 B 4 2 2
id start finish location
0 1 2015-12-14 16:44:00 2015-12-15 18:00:00 A
1 1 2015-12-15 18:00:00 2015-12-16 13:00:00 B
2 1 2015-12-16 13:00:00 2015-12-16 20:00:00 C
3 2 2015-12-10 13:15:00 2015-12-12 13:45:00 B
4 2 2015-12-12 13:45:00 2015-12-12 19:45:00 A
5 3 2015-12-15 07:45:00 2015-12-15 18:45:00 A
6 3 2015-12-15 18:45:00 2015-12-18 07:15:00 D
7 3 2015-12-18 07:15:00 2015-12-19 10:45:00 C
8 3 2015-12-19 10:45:00 2015-12-20 09:00:00 H
9 4 2015-12-09 10:45:00 2015-12-13 12:20:00 E
10 4 2015-12-13 12:20:00 2015-12-13 18:20:00 A
11 4 2015-12-13 18:20:00 2015-12-13 23:40:00 A
12 4 2015-12-13 23:40:00 2015-12-16 08:00:00 B
13 5 2015-12-07 08:00:00 2015-12-13 12:25:00 H
我想计算每个“id”中从一个位置到另一个位置的跳跃。对于这些跳转计数,首先我想将完成列的日期和时间与同一id的下一行的开始列的日期和时间进行比较。如果匹配,我想将计数设为1或0。我想得到的是:
id start count
0 1 2015-12-14 16:44:00 1
1 1 2015-12-15 18:00:00 1
2 1 2015-12-16 13:00:00 0
3 2 2015-12-10 13:15:00 1
4 2 2015-12-12 13:45:00 0
5 3 2015-12-15 07:45:00 1
6 3 2015-12-15 18:45:00 1
7 3 2015-12-18 07:15:00 1
8 3 2015-12-19 10:45:00 0
9 4 2015-12-09 10:45:00 1
10 4 2015-12-13 12:20:00 1
11 4 2015-12-13 18:20:00 1
12 4 2015-12-13 23:40:00 0
13 5 2015-12-07 08:00:00 0
date count_sum
2015-12-07 0
2015-12-09 1
2015-12-10 1
2015-12-12 0
2015-12-13 2
2015-12-14 1
2015-12-15 3
2015-12-16 0
2015-12-18 1
2015-12-19 0
一旦我有了这些,我想根据日期对计数求和,得到如下结果:
id start count
0 1 2015-12-14 16:44:00 1
1 1 2015-12-15 18:00:00 1
2 1 2015-12-16 13:00:00 0
3 2 2015-12-10 13:15:00 1
4 2 2015-12-12 13:45:00 0
5 3 2015-12-15 07:45:00 1
6 3 2015-12-15 18:45:00 1
7 3 2015-12-18 07:15:00 1
8 3 2015-12-19 10:45:00 0
9 4 2015-12-09 10:45:00 1
10 4 2015-12-13 12:20:00 1
11 4 2015-12-13 18:20:00 1
12 4 2015-12-13 23:40:00 0
13 5 2015-12-07 08:00:00 0
date count_sum
2015-12-07 0
2015-12-09 1
2015-12-10 1
2015-12-12 0
2015-12-13 2
2015-12-14 1
2015-12-15 3
2015-12-16 0
2015-12-18 1
2015-12-19 0
对我来说,最后一部分很容易做到,根据日期执行groupby(),并使用.sum()汇总该日期的所有计数。但是如何得到第一部分,我们计算实际的跳跃还不清楚。任何帮助都将不胜感激 您的数据似乎已经按
'start'
排序,因此您可以使用pandas.Series.shift()检查完成时间是否与下一行的开始时间相同
我建议不要调用列“count”
,因为这是pandas的内置函数,所以不能使用Series.colu name
表示法
#df['start'] = pd.to_datetime(df.start)
#df['finish'] = pd.to_datetime(df.finish)
df['count'] = (df.groupby('id').apply(lambda x: x.finish == x.start.shift(-1))
.astype('int').reset_index(level=0, drop=True))
输出:
id start finish location count
0 1 2015-12-14 16:44:00 2015-12-15 18:00:00 A 1
1 1 2015-12-15 18:00:00 2015-12-16 13:00:00 B 1
2 1 2015-12-16 13:00:00 2015-12-16 20:00:00 C 0
3 2 2015-12-10 13:15:00 2015-12-12 13:45:00 B 1
4 2 2015-12-12 13:45:00 2015-12-12 19:45:00 A 0
5 3 2015-12-15 07:45:00 2015-12-15 18:45:00 A 1
6 3 2015-12-15 18:45:00 2015-12-18 07:15:00 D 1
7 3 2015-12-18 07:15:00 2015-12-19 10:45:00 C 1
8 3 2015-12-19 10:45:00 2015-12-20 09:00:00 H 0
9 4 2015-12-09 10:45:00 2015-12-13 12:20:00 E 1
10 4 2015-12-13 12:20:00 2015-12-13 18:20:00 A 1
11 4 2015-12-13 18:20:00 2015-12-13 23:40:00 A 1
12 4 2015-12-13 23:40:00 2015-12-16 08:00:00 B 0
13 5 2015-12-07 08:00:00 2015-12-13 12:25:00 H 0
为了完整起见:
df.groupby(df.start.dt.date)['count'].sum()
start
2015-12-07 0
2015-12-09 1
2015-12-10 1
2015-12-12 0
2015-12-13 2
2015-12-14 1
2015-12-15 3
2015-12-16 0
2015-12-18 1
2015-12-19 0
哇,太好了!我想你要么想确保df
是按['id',start']
排序的,要么在groupby之后使用.sort\u index
,这样就不会弄乱行顺序了?你好,非常感谢。结果很完美。是的,数据帧已经根据id和start进行了排序。谢谢你的建议。我不知道使用列名“count”会有问题。从现在起,我将避免使用“count”作为列名。虽然您的代码工作得很好,但我不明白为什么代码中的lambda函数在满足条件时返回1,否则返回0。您能否解释一下如何在计数列中得到1和0?提前感谢。@HT121,如果finish值等于下一行的start值(移位完成与下一行的比较),lambda函数将返回True
或False
。然后得到1
或0
,因为我使用了.astype('int')
,它将True
转换为1
,False
转换为0
。