Python 检测数据帧中的第一个更改
我面临的问题是,我有一个每天保存变量V1状态的熊猫数据框。我只对变量何时改变其状态以及新状态的信息感兴趣Python 检测数据帧中的第一个更改,python,pandas,dataframe,Python,Pandas,Dataframe,我面临的问题是,我有一个每天保存变量V1状态的熊猫数据框。我只对变量何时改变其状态以及新状态的信息感兴趣 test_dataframe = pd.DataFrame() test_dataframe['V1'] = ['X','Y','X','X','Y','X','Y','X'] test_dataframe['Status'] = ['A','C','B','B','D','B','D','A'] test_dataframe['Date'] = [pd.to_datetime('2017-
test_dataframe = pd.DataFrame()
test_dataframe['V1'] = ['X','Y','X','X','Y','X','Y','X']
test_dataframe['Status'] = ['A','C','B','B','D','B','D','A']
test_dataframe['Date'] = [pd.to_datetime('2017-1-1'),pd.to_datetime('2017-1-2'),pd.to_datetime('2017-1-3'),pd.to_datetime('2017-1-4'),pd.to_datetime('2017-1-5'),pd.to_datetime('2017-1-6'),pd.to_datetime('2017-1-7'),pd.to_datetime('2017-1-8')]
print(test_dataframe)
导致以下数据帧
V1 Status Date
0 X A 2017-01-01
1 Y C 2017-01-02
2 X B 2017-01-03
3 X B 2017-01-04
4 Y D 2017-01-05
5 X B 2017-01-06
6 Y D 2017-01-07
7 X A 2017-01-08
我感兴趣的是:变量何时改变其状态,新的状态是什么
结果应该是:
V1 Status Date
-----------------
X A date_1
X B date_3
X A date_8
Y C date_2
Y D date_5
有人能帮忙吗?
THX您可以使用
groupby
+apply
-
df = df.groupby('V1', group_keys=False)\
.apply(lambda x: x[x.Status.ne(x.Status.shift())])\
.reset_index(drop=True)
df
V1 Status Date
0 X A 2017-01-01
1 X B 2017-01-03
2 X A 2017-01-08
3 Y C 2017-01-02
4 Y D 2017-01-05
x.Status.ne(x.Status.shift())
位将查找状态发生变化的行您可以将状态
列分解,并检查差异
是否为零
f = lambda s: pd.Series(s.factorize()[0], s.index)
mask = f(test_dataframe.Status).groupby(test_dataframe.V1).diff().ne(0)
test_dataframe[mask]
V1 Status Date
0 X A 2017-01-01
1 Y C 2017-01-02
2 X B 2017-01-03
4 Y D 2017-01-05
7 X A 2017-01-08
欢迎回来:-)我会试着回答几个问题(-:时间晚了,一天中的这个时候事情进展很慢。别逼自己!我会想办法让它有趣的