Python Pandas-合并具有连续间隔的行
我最近开始使用熊猫,几天来一直在这个问题上磕磕绊绊。我有一个带有间隔信息的数据帧,看起来有点像这样:Python Pandas-合并具有连续间隔的行,python,pandas,Python,Pandas,我最近开始使用熊猫,几天来一直在这个问题上磕磕绊绊。我有一个带有间隔信息的数据帧,看起来有点像这样: df = pd.DataFrame({'RangeBegin' : [1,3,5,10,12,42,65], 'RangeEnd' : [2,4,7,11,41,54,100], 'Var1' : ['A','A','A','B','B','B','A'], 'Var2' : ['A','A','B
df = pd.DataFrame({'RangeBegin' : [1,3,5,10,12,42,65],
'RangeEnd' : [2,4,7,11,41,54,100],
'Var1' : ['A','A','A','B','B','B','A'],
'Var2' : ['A','A','B','B','B','B','A']})
RangeBegin RangeEnd Var1 Var2
0 1 2 A A
1 3 4 A A
2 5 7 A B
3 10 11 B B
4 12 41 B B
5 42 54 B B
6 65 100 A A
它是按范围开始排序的。我们的想法是以这样的方式结束:
RangeBegin RangeEnd Var1 Var2
0 1.0 4.0 A A
2 5.0 7.0 A B
3 10.0 54.0 B B
6 65.0 100.0 A A
其中,具有连续范围的每个“重复”(匹配的Var1和Var2)行聚合为一行。我正在考虑扩展这个算法来检测和处理重叠,但我想先让它正常工作
你看,我已经有了一个解决方案,通过使用iterrows逐行构建一个新的dataframe,但是在我的真实数据集上花费的时间太长了,我希望使用一个更矢量化的实现。
我已经查看了groupby,但找不到一组键(或应用于所述组的函数)来实现此功能
以下是我目前的实施情况:
def test():
df = pd.DataFrame({'RangeBegin' : [1,3,5,10,12,42,65],
'RangeEnd' : [2,4,7,11,41,54,100],
'Var1' : ['A','A','A','B','B','B','A'],
'Var2' : ['A','A','B','B','B','B','A']})
print(df)
i = 0
cols = df.columns
aggData = pd.DataFrame(columns = cols)
for row in df.iterrows():
rowIndex, rowData = row
#if our new dataframe is empty or its last row is not contiguous, append it
if(aggData.empty or not duplicateContiguousRow(cols,rowData,aggData.loc[i])):
aggData = aggData.append(rowData)
i=rowIndex
#otherwise, modify the last row
else:
aggData.loc[i,'RangeEnd'] = rowData['RangeEnd']
print(aggData)
def duplicateContiguousRow(cols, row, aggDataRow):
#first bool: are the ranges contiguous?
contiguousBool = aggDataRow['RangeEnd']+1 == row['RangeBegin']
if(not contiguousBool):
return False
#second bool: is this row a duplicate (minus range columns)?
duplicateBool = True
for col in cols:
if(not duplicateBool):
break
elif col not in ['RangeBegin','RangeEnd']:
#Nan != Nan
duplicateBool = duplicateBool and (row[col] == aggDataRow[col] or (row[col]!=row[col] and aggDataRow[col]!=aggDataRow[col]))
return duplicateBool
编辑:在我写这篇文章时,刚被问到。答案看起来很有希望您可以使用
groupby
来实现这一目的,当您首次检测到:
将导致:
Var1 Var2 block RangeBegin RangeEnd
0 A A 1 1 4
1 A A 4 65 100
2 A B 2 5 7
3 B B 3 10 54
然后,您可以按
块进行排序
以恢复原始顺序。回答得很好,谢谢!只有一个问题,你有没有理由用Var1和Var2以及block来分组?我似乎得到了相同的结果分组块aloneOh不,它将从输出中删除这些列,如果你不应用一个函数,他们也。很好的答案,如果可能的话,将向上投票两次。我怎么也找不到一种方法来检测连续的块
Var1 Var2 block RangeBegin RangeEnd
0 A A 1 1 4
1 A A 4 65 100
2 A B 2 5 7
3 B B 3 10 54