Python 黑斑羚朱鹭组

我有一个黑斑羚表，我想用Ibis查询。该表如下所示：

   id  | timestamp
-------------------
 A     | 5
 A     | 7
 A     | 3
 B     | 9
 B     | 5

我想根据id和时间戳范围的唯一组合，在此表中对_进行分组。分组操作最终应该生成一个分组对象，然后我可以对其应用聚合。例如：

import pandas as pd
A = "A"
B = "B"
df = pd.DataFrame({"id":[A,A,A,B,B], "timestamp":[5,7,3,9,5]})
df["dummy"] = 1

group1条件：id==A；4<时间戳<11 group2条件：id==A；1<时间戳<6 组3条件：id==B；4<时间戳<7

生成具有以下组的分组对象：

第一组：

   id  | timestamp
-------------------
 A     | 5
 A     | 7

第2组：

   id  | timestamp
-------------------
 A     | 5
 A     | 3

第3组：

   id  | timestamp
-------------------
 B     | 5

一旦我有了这些组，我将执行各种聚合以获得最终结果。如果有人能帮我找出这个组，我将不胜感激，即使是一个正则表达式也会很有帮助

下面是groupby无下划线的示例：

df = pd.DataFrame({"id":["a","b","a","b","c","c"], "timestamp":[1,2,3,4,5,6]})

为时间戳创建一个grouper列

您可能还希望应用整数除法来生成时间间隔：

df = pd.DataFrame({"id":["a","b","a","b","c","c"], "timestamp":[1,2,13,14,25,26], "sales": [0,4,2,3,6,7]})
epoch = 10
df["my interval"] = epoch* (df["timestamp"] // epoch)
df.groupby(["my interval"]).agg(sum)["sales"]

编辑： 你的例子是：

import pandas as pd
A = "A"
B = "B"
df = pd.DataFrame({"id":[A,A,A,B,B], "timestamp":[5,7,3,9,5]})
df["dummy"] = 1

解决方案：

grouper = (df["id"] == A) & (4 < df["timestamp"] ) & ( df["timestamp"] < 11)
df.groupby( grouper ).agg(sum)["dummy"]

---

嗨，迪玛，谢谢你的回答。我面临的挑战是创建多个，有时重叠的时间容器，它们只适用于特定ID。如果你试着从我的例子中产生这些组，你就会明白我的意思。作为旁注，pandas有一个方便快捷的函数，用于根据称为pd.cut的装箱值进行分组。如果间隔重叠，则需要执行多个groupby操作，或者更有效地使用逻辑索引。正如我提到的，问题是要用一个groupby生成所有组。再一次，试着去解决完整的例子，你会很感激这个挑战。想想萨洛蒙国王把一个婴儿组织成一个母亲，你会意识到挑战是根本的。如果要将有限集拆分为有限数量的子集，则不能在多个groupsGroupby操作标签中包含初始子集的一个元素，即为每个元素指定一个标签，将其映射到子集。不能有两个标签将一个元素映射到多个子集。

grouper = (df["id"] == A) & (4 < df["timestamp"] ) & ( df["timestamp"] < 11)
df.groupby( grouper ).agg(sum)["dummy"]

df[grouper]["dummy"].sum()