Python 如何分组，然后将结果写入csv（及更多）

我的数据如下所示：

BOL,StopSequence,TimeArrived
5076223,1,12:52:56 PM
5076223,1,12:52:56 PM
5076223,2,9:50:58 AM
5076223,3,11:00:32 AM
5076223,4,11:00:52 AM
5077138,1,5:00:45 AM
5077138,2,1:43:13 PM
5077138,3,12:29:39 PM
5077138,4,1:02:31 PM
5077138,4,1:02:31 PM
5077138,5,1:02:50 PM
5077138,5,1:02:50 PM
5077138,5,1:02:50 PM
5077138,5,1:02:50 PM

如您所见，BOL是我的索引。一个BOL发生多个事件。有时，事件会重复自身（注意第2行和第3行StopSequence为1）

我需要做几件事：

• 按BOL对数据帧进行分组
• 如果事件在BOL组内重复，请删除-我只需要一个
• 按时间对BOL组中的事件进行排序
• 添加一个名为“TotalTimeArrived”的新列，它是TimeArrived的总和。我不介意BOL组内的每一个事件的值都会重复，但我很高兴听到建议

因此，到目前为止，我所做的就是：

df = pd.read_csv('./data/simple.csv', skipinitialspace=True)

# Pre Processing Stage

# Turn TimeArrived feature into timedelta
df['TimeArrived'] = pd.to_timedelta(df['TimeArrived'].str.strip())

# Group by BOL and for every group, sort by TimeArrived
df = df.sort_values(['BOL', 'TimeArrived'], ascending=True).groupby('BOL')

unique_bol_count = df.BOL.nunique().count()
print("There are {} unique BOL in this file".format(unique_bol_count))

因此，我能够按时间对数据集进行分组和排序。现在，我得到了一个DataframeGroupBy，我不知道如何从那里获得它

我试图像这样添加TotalTimeArrived

df['TotalTimeArrived']=df['TimeArrived'].sum（）

但错误是：

TypeError:“DataFrameGroupBy”对象不支持项分配

最后，当尝试使用

df.to_csv（'./result.csv'）

编写结果csv时，我得到

AttributeError:无法访问“DataFrameGroupBy”对象的可调用属性“to_csv”，请尝试使用“apply”方法

我还无法删除BOL分组中的重复事件

---

非常感谢您的帮助，这里是

的问题输出。groupby（'BOL'）

是

'DataFrameGroupBy'对象

，因此需要添加函数-这里是新专栏

此外，还添加了删除重复项的功能

---

非常感谢@jezrael，这一切都很有效！请允许我将问题进一步扩展，并增加一个复杂性。到达的时间是“驾驶时间”。例如，司机在09:50:58开始开车，12:52:56结束。所以我真正想做的是找出这个司机开了多长时间，以小时：分：秒为单位。有道理吗？因此，在本例中，驱动程序将运行约3小时2分钟。@FelipeCaldas-使用

df['Drive Time']]=df.groupby（'BOL'）['timearrized'].transform（lambda x:x.max（）-x.min（））

或

df['Drive Time']=df.groupby（'BOL'）['timearrized'].transform（lambda x:x.iat[-1]-x.iat[0]）

-每组上一次和第一次的差异

df['TimeArrived'] = pd.to_timedelta(df['TimeArrived'].str.strip())

df = (df.drop_duplicates(['BOL','TimeArrived'])
        .sort_values(['BOL', 'TimeArrived'], ascending=True))


unique_bol_count = df.BOL.nunique()
print("There are {} unique BOL in this file".format(unique_bol_count))
There are 2 unique BOL in this file

df['TotalTimeArrived'] = df.groupby('BOL')['TimeArrived'].transform('sum')

print (df)
        BOL  StopSequence TimeArrived TotalTimeArrived
2   5076223             2    09:50:58  1 days 20:45:18
3   5076223             3    11:00:32  1 days 20:45:18
4   5076223             4    11:00:52  1 days 20:45:18
0   5076223             1    12:52:56  1 days 20:45:18
8   5077138             4    01:02:31  0 days 21:18:58
10  5077138             5    01:02:50  0 days 21:18:58
6   5077138             2    01:43:13  0 days 21:18:58
5   5077138             1    05:00:45  0 days 21:18:58
7   5077138             3    12:29:39  0 days 21:18:58

df.to_csv('./result.csv', index=False)