Python Pandas：如何使用运输智能卡数据将行程段组合到旅程中

目前正在使用一个有趣的交通智能卡数据集。当前数据中的每条线路代表一次跳闸（例如，从a到B的母线跳闸）。60分钟内的任何行程都需要分组为行程

当前表格：

  CustomerID  SegmentID Origin Dest StartTime  EndTime  Fare    Type
0       A001        101      A    B    7:30am   7:45am   1.5     Bus
1       A001        102      B    C    7:50am   8:30am   3.5   Train
2       A001        103      C    B   17:10pm  18:00pm   3.5   Train
3       A001        104      B    A   18:10pm  18:30pm   1.5     Bus
4       A002        105      K    Y   11:30am  12:30pm   3.0   Train
5       A003        106      P    O   10:23am  11:13am   4.0  Ferrie

然后变成这样：

  CustomerID  JourneyID Origin Dest Start Time End Time  Fare        Type  NumTrips
0       A001          1      A    C     7:30am   8:30am     5  Intermodal         2
1       A001          2      C    A    17:10pm  18:30pm     5  Intermodal         2
2       A002          6      K    Y    11:30am  12:30pm     3       Train         1
3       A003          8      P    O    10:23am  11:13am     4      Ferrie         1

---

我不熟悉Python和Pandas，不知道如何开始，因此希望您能提供任何指导。

这里有一个相当完整的答案。你没有详细说明单程旅行的概念，所以我猜了一下。您可以调整下面的遮罩，以更好地适应您自己的定义

# get rid of am/pm and convert to proper datetime
# converts to year 1900 b/c it's not specified, doesn't matter here
df['StTime'] = pd.to_datetime( df.StartTime.str[:-2], format='%H:%M' )
df['EndTime'] = pd.to_datetime( df.EndTime.str[:-2], format='%H:%M' )

# some of the later processing is easier if you use duration
# instead of arrival time
df['Duration'] = df.EndTime-df.StTime

# get rid of some nuisance variables for clarity
df = df[['CustomerID','Origin','Dest','StTime','Duration','Fare','Type']]

首先，我们需要找出一种将行分组的方法。由于这在问题中没有明确说明，我将按客户ID分组，其中开始时间在1小时之内。请注意，对于三种模式的出行，这实际上意味着只要第一次+第二次+第三次出行的开始时间分别小于1小时，第一次和第三次出行的开始时间的差异可能大于1小时。这似乎是一种自然的方式，但是对于您的实际用例，您必须根据您想要的定义调整它。这里有很多方法可以继续

mask1 = df.StTime - df.StTime.shift(1) <= pd.Timedelta('01:00:00')
mask2 = (df.CustomerID == df.CustomerID.shift(1))
mask = ( mask1 & mask2 )    

现在，对于每一列，只需适当地聚合：

df2 = df.groupby('JourneyID').agg({ 'Origin' : sum, 'CustomerID' : min,
                                    'Dest'   : sum, 'StTime'     : min,
                                    'Fare'   : sum, 'Duration'   : sum,
                                    'Type'   : sum, 'NumTrips'   : sum })

                      StTime Dest Origin Fare Duration     Type CustomerID NumTrips
JourneyID                                                                               
1        1900-01-01 07:30:00   BC     AB    5 00:55:00 BusTrain       A001        2
2        1900-01-01 17:10:00   BA     CB    5 01:10:00 TrainBus       A001        2
3        1900-01-01 11:30:00    Y      K    3 01:00:00    Train       A002        1
4        1900-01-01 10:23:00    O      P    4 00:50:00   Ferrie       A003        1

---

请注意，持续时间仅包括行程时间，而不包括两次行程之间的时间（例如，如果第二次行程的开始时间晚于第一次行程的结束时间）。

以下是一个相当完整的答案。你没有详细说明单程旅行的概念，所以我猜了一下。您可以调整下面的遮罩，以更好地适应您自己的定义

# get rid of am/pm and convert to proper datetime
# converts to year 1900 b/c it's not specified, doesn't matter here
df['StTime'] = pd.to_datetime( df.StartTime.str[:-2], format='%H:%M' )
df['EndTime'] = pd.to_datetime( df.EndTime.str[:-2], format='%H:%M' )

# some of the later processing is easier if you use duration
# instead of arrival time
df['Duration'] = df.EndTime-df.StTime

# get rid of some nuisance variables for clarity
df = df[['CustomerID','Origin','Dest','StTime','Duration','Fare','Type']]

首先，我们需要找出一种将行分组的方法。由于这在问题中没有明确说明，我将按客户ID分组，其中开始时间在1小时之内。请注意，对于三种模式的出行，这实际上意味着只要第一次+第二次+第三次出行的开始时间分别小于1小时，第一次和第三次出行的开始时间的差异可能大于1小时。这似乎是一种自然的方式，但是对于您的实际用例，您必须根据您想要的定义调整它。这里有很多方法可以继续

mask1 = df.StTime - df.StTime.shift(1) <= pd.Timedelta('01:00:00')
mask2 = (df.CustomerID == df.CustomerID.shift(1))
mask = ( mask1 & mask2 )    

现在，对于每一列，只需适当地聚合：

df2 = df.groupby('JourneyID').agg({ 'Origin' : sum, 'CustomerID' : min,
                                    'Dest'   : sum, 'StTime'     : min,
                                    'Fare'   : sum, 'Duration'   : sum,
                                    'Type'   : sum, 'NumTrips'   : sum })

                      StTime Dest Origin Fare Duration     Type CustomerID NumTrips
JourneyID                                                                               
1        1900-01-01 07:30:00   BC     AB    5 00:55:00 BusTrain       A001        2
2        1900-01-01 17:10:00   BA     CB    5 01:10:00 TrainBus       A001        2
3        1900-01-01 11:30:00    Y      K    3 01:00:00    Train       A002        1
4        1900-01-01 10:23:00    O      P    4 00:50:00   Ferrie       A003        1

---

请注意，持续时间仅包括旅行时间，不包括两次旅行之间的时间（例如，如果第二次旅行的开始时间晚于第一次旅行的结束时间）。

您确定要将旅行定义为一小时内的任何一组旅行，而不是在家开始/结束的全天旅行吗？是。。。一小时内的旅行勾选这些答案，您确定要将旅行定义为一小时内的任何一组旅行，而不是在家开始/结束的全天旅行吗？是的。。。一小时内的行程勾选这些答案，然后