Python 大熊猫饲养:非明显群体
我有一个数据帧:Python 大熊猫饲养:非明显群体,python,python-2.7,pandas,Python,Python 2.7,Pandas,我有一个数据帧: Time c_1 c_2 t1 x 1 t2 x 2 t3 y 1 t4 y 2 t5 1 x t6 2 x t7 1 y t8 2 y 我需要在不循环的情况下形成2列,以便: new_1:c_1.value出现在c_2中的下一个最早时间(例如,对于t1,new_1
Time c_1 c_2
t1 x 1
t2 x 2
t3 y 1
t4 y 2
t5 1 x
t6 2 x
t7 1 y
t8 2 y
我需要在不循环的情况下形成2列,以便:
- new_1:c_1.value出现在c_2中的下一个最早时间(例如,对于t1,new_1=t5,因为c_1的值是“x”,而c_2中出现的下一个时间“x”是在t5)
- new_2:c_2.value出现在c_1中的下一个最早时间(例如,对于t1,new_1=t5,因为c_2值为“1”,而c_1中出现的下一个时间“1”为t3)
Time c_1 c_2 new_1 new_2
t1 x 1 t5 t5
t2 x 2 t5 t6
t3 y 1 t7 t5
t4 y 2 t7 t6
t5 1 x NaT NaT
t6 2 x NaT NaT
t7 1 y NaT NaT
t8 2 y NaT NaT
如何实现这一点?这里有一个解决方案,它使用
apply()
和lambda函数从原始数据帧中为每行选择正确的数据
import pandas as pd
data = {'Time': pd.date_range('1/1/2000', periods=16, freq='D'),
'c_1': ['x', 'x', 'y', 'y', '1', '2', '1', '2']*2,
'c_2': ['1', '2', '1', '2', 'x', 'x', 'y', 'y']*2 }
df = pd.DataFrame(data)
df['new_1'] = df.apply(lambda r: (df.Time[(df.Time>r.Time) & (df.c_2 == r.c_1)].head(1).reset_index(drop=True)), axis=1)
df['new_2'] = df.apply(lambda r: (df.Time[(df.Time>r.Time) & (df.c_1 == r.c_2)].head(1).reset_index(drop=True)), axis=1)
print(df)
输出为:
Time c_1 c_2 new_1 new_2
0 2000-01-01 x 1 2000-01-05 2000-01-05
1 2000-01-02 x 2 2000-01-05 2000-01-06
2 2000-01-03 y 1 2000-01-07 2000-01-05
3 2000-01-04 y 2 2000-01-07 2000-01-06
4 2000-01-05 1 x 2000-01-09 2000-01-09
5 2000-01-06 2 x 2000-01-10 2000-01-09
6 2000-01-07 1 y 2000-01-09 2000-01-11
7 2000-01-08 2 y 2000-01-10 2000-01-11
8 2000-01-09 x 1 2000-01-13 2000-01-13
9 2000-01-10 x 2 2000-01-13 2000-01-14
10 2000-01-11 y 1 2000-01-15 2000-01-13
11 2000-01-12 y 2 2000-01-15 2000-01-14
12 2000-01-13 1 x NaT NaT
13 2000-01-14 2 x NaT NaT
14 2000-01-15 1 y NaT NaT
15 2000-01-16 2 y NaT NaT
apply
是通过axis=1
完成的,因此它一次迭代一行。lambda函数仅选择数据帧中位于当前行之后且列中具有正确值的行。可能有多行符合这些条件。head(1)
选择第一个匹配项,并且reset_索引(drop=True)
确保返回的每个序列都有相同的索引(0),以便apply()
将所有返回值放在一列中。请准确显示您希望作为输出得到的数据帧
是否有一种通用方法?如果我们将您的解决方案扩展到16个周期,并且值本身重复,那么只有前4个日期才会被您的解决方案填充。@Yeile我无法概括groupby
版本,但我提出了一个版本,它使用apply
并以一般方式处理重复值。