Python 两个日期时间之间的平均值；如果为NaN，则获取最后一个非NaN值

昨天我问了一个问题（有一些好的答案），这个问题非常相似，但与我现在遇到的问题略有不同。假设我有以下

pd.DataFrame

（）：

我想获得每个唯一id的

val

的平均值，这些id位于

begin\u timestamp

和

end\u timestamp

之间。如果没有满足该条件的行，我想获取该期间之前

id

的最后一个值。请注意，在本例中，id=2没有满足条件的行。以前，我可以对数据进行切片，这样我只保留begin和end_时间戳之间的行，然后使用groupby。然后，我上一篇文章中的解决方案将替换groupby对象中的NaN值。但是，在上面的示例中，id=2根本没有满足条件的行，因此没有创建可以替换的NaN值。因此，如果我根据上述标准对数据进行切片：

sliced = df[(df.eff_timestamp > df.begin_timestamp) & (df.eff_timestamp < df.end_timestamp)]
sliced
>>>     

    eff_timestamp       val         id  begin_timestamp     end_timestamp
3   2021-01-01 03:00:00 0.788685    1   2021-01-01 02:00:00 2021-01-01 05:30:00
4   2021-01-01 04:00:00 0.505210    1   2021-01-01 02:00:00 2021-01-01 05:30:00
5   2021-01-01 05:00:00 -0.738344   1   2021-01-01 02:00:00 2021-01-01 05:30:00

sliced.groupby('id').val.mean()
>>>
id
1    0.185184
Name: val, dtype: float64

sliced=df[（df.eff\u时间戳>df.begin\u时间戳）和（df.eff\u时间戳>>     
eff_timestamp val id begin_timestamp end_timestamp
3   2021-01-01 03:00:00 0.788685    1   2021-01-01 02:00:00 2021-01-01 05:30:00
4   2021-01-01 04:00:00 0.505210    1   2021-01-01 02:00:00 2021-01-01 05:30:00
5   2021-01-01 05:00:00 -0.738344   1   2021-01-01 02:00:00 2021-01-01 05:30:00
sliced.groupby（'id'）.val.mean（）
>>>
身份证件
1    0.185184
名称：val，数据类型：float64

---

此结果仅包括id=1和平均值，但id=2没有值。如何将id=2的最后一个可用值，即-0.349705，而不是平均值包括在内？

在两个时间之间创建一个临时列

。然后按
id
列分组，然后在
apply
中添加条件->如果对于特定的
id
是否有任何值在该范围内？如果是，则取平均值，否则取
last\u valid\u index
处的值

result = (
    df.assign(
        between_time=(df.eff_timestamp > df.begin_timestamp) & (df.eff_timestamp < df.end_timestamp))
    .groupby('id')
    .apply(
        lambda x: x.loc[x['between_time']]['val'].mean()
        if any(x['between_time'].values)
        else
        x.loc[x['val'].last_valid_index()]['val']
    )
)

嗨，纳曼，非常感谢！这似乎做得很好。
result = (
    df.assign(
        between_time=(df.eff_timestamp > df.begin_timestamp) & (df.eff_timestamp < df.end_timestamp))
    .groupby('id')
    .apply(
        lambda x: x.loc[x['between_time']]['val'].mean()
        if any(x['between_time'].values)
        else
        x.loc[x['val'].last_valid_index()]['val']
    )
)

id
1    0.185184
2   -0.349705
dtype: float64