Python 数据帧的屏蔽和索引

我有一个关于犯罪统计的pandas数据框架，我想在其中屏蔽和计算数据集中犯罪值的总数：

min=0
最大值=24
天数=df[：：24].count（）['Year']
打印（天）
df['daily_crime']=np.NAN
对于范围内的i（天）：
#打印（df.loc[df.index[24]，“每日犯罪”]）
打印（df[min:max][df['Personfarlig_krim']=='Yes']）
最大+=24
最小+=24

上面我放置了一个最小和最大计数器，对于一天中的每个24小时，我想在我的数据框中添加一个额外的列，用于计算过去24小时

Personfarlig\u krim

中

Yes

计数的数量。这一行每天都应该放在一个单独的列中。我尝试过掩蔽和切片，然后分配一个给定的行，但到目前为止我没有运气

Unnamed: 0  District    Neighbourhood.x Year    Month   Day Hour    Weekday Sun Personfarlig_krim   Date2
0   1   1   MANHATTAN   2015    4   1   0   4   False   No  2015-04-01 00:00:00
1   2   1   MANHATTAN   2015    4   1   1   4   False   No  2015-04-01 01:00:00
2   3   1   MANHATTAN   2015    4   1   2   4   False   No  2015-04-01 02:00:00
3   4   1   MANHATTAN   2015    4   1   3   4   False   No  2015-04-01 03:00:00
4   5   1   MANHATTAN   2015    4   1   4   4   False   No  2015-04-01 04:00:00

---

上面我尝试了格式化数据。它应该有另一列，其中存储了过去24小时（24行）的犯罪率

您可以使用

groupby

和

transform

：

df["Date2"] = pd.to_datetime(df["Date2"])
df["day_total"] = df.groupby(["Year","Month","Day"])["Personfarlig_krim"].transform(lambda d: sum(d.eq("Yes")))
print (df)

   District Neighbourhood.x  Year  Month  Day  Hour  Weekday    Sun Personfarlig_krim               Date2  day_total
0         1       MANHATTAN  2015      4    1     0        4  False                No 2015-04-01 00:00:00          0
1         1       MANHATTAN  2015      4    1     1        4  False                No 2015-04-01 01:00:00          0
2         1       MANHATTAN  2015      4    1     2        4  False                No 2015-04-01 02:00:00          0
3         1       MANHATTAN  2015      4    1     3        4  False                No 2015-04-01 03:00:00          0
4         1       MANHATTAN  2015      4    1     4        4  False                No 2015-04-01 04:00:00          0

对于小于24的结果，将值更改回0：

df.loc[(df.groupby(["Year","Month","Day"])["day_total"].transform("count").ne(24)),"day_total"] = 0

---

你能添加样本数据和预期产出吗？嗯，这是个好问题。坦率地说，我不确定我是否对这件事有足够的了解，是否能够提供一个有保留的答案。@JonasGrønbek非常感谢你，亲爱的先生。作为数据科学和深度学习社区的一名受人尊敬的成员，我非常尊重您的意见。

长度不匹配：预期轴有74975个元素，新值有74976个元素

@baileyaldwin Try

lambda d:sum（d.eq（“Yes”）

而不是

lambda d:d.eq（“Yes”）.sum（）。原因可能是。问题仍然存在：（和
lambda d:np.sum（d.eq（“Yes”））
？您的数据中哪里有
NaN
？哦，它现在工作得很好。不过问题是，对于前24行（24小时），总和应该等于0，因为还没有完整的24小时。