Python 如何按自定义重叠时段对数据帧进行分组?
假设我有一个列表列表,其中每个嵌套列表有两个值:一个范围的开始日期和一个范围的结束日期。比如说:Python 如何按自定义重叠时段对数据帧进行分组?,python,pandas,group-by,pandas-groupby,period,Python,Pandas,Group By,Pandas Groupby,Period,假设我有一个列表列表,其中每个嵌套列表有两个值:一个范围的开始日期和一个范围的结束日期。比如说: ranges_list = [ ['2020-03-12', '2020-06-12'], ['2020-03-13', '2020-06-13'], ['2020-03-14', '2020-06-14'] ] 这代表3个范围: 2020年3月12日至2020年6月12日 2020年3月13日至2020年6月13日 2020年3月14日至2020年6月14日 假设我还有一
ranges_list = [
['2020-03-12', '2020-06-12'],
['2020-03-13', '2020-06-13'],
['2020-03-14', '2020-06-14']
]
这代表3个范围:
d
,它有多个列,其中一个是名为'occurrence\u date'
的列,其中包含日期时间
假设数据帧d
看起来像:
ID LinkID PC occurence_date
10R46 R*1005 8017 2020-03-12
10R46 R*10335 5019 2020-04-15
100R91 R*1005 8017 2020-04-15
10R91 R*243 8870 2020-06-14
我想使用ranges\u列表中指定的范围上的occurrence\u date
列对数据帧d
进行分组
比如:
grouped = d.groupby('occurence_date', ranges=ranges_list)
显然,这个groupby代码是不正确的,但有助于服务于我想做的事情
最后,分组对象应该有3个不同的组,如下所示:
group: ('2020-03-12', '2020-06-12')
ID LinkID PC occurence_date
10R46 R*1005 8017 2020-03-12
10R46 R*10335 5019 2020-04-15
100R91 R*1005 8017 2020-04-15
group: ('2020-03-13', '2020-06-13')
ID LinkID PC occurence_date
10R46 R*10335 5019 2020-04-15
100R91 R*1005 8017 2020-04-15
group: ('2020-03-14', '2020-06-14')
ID LinkID PC occurence_date
10R46 R*10335 5019 2020-04-15
100R91 R*1005 8017 2020-04-15
10R91 R*243 8870 2020-06-14
我怎样才能做到这一点呢?您可以通过pd.IntervalIndex
进行分组:
ranges_list = [
(pd.Timestamp('2020-03-12'), pd.Timestamp('2020-06-12')),
(pd.Timestamp('2020-03-13'), pd.Timestamp('2020-06-13')),
(pd.Timestamp('2020-03-14'), pd.Timestamp('2020-06-14'))
]
idx = pd.IntervalIndex.from_tuples(ranges_list, closed='both')
def in_ranges(x, bins):
rv = []
for b in bins:
if x in b:
rv.append(b)
return rv
df['groups'] = df['occurence_date'].apply(lambda x: in_ranges(x, idx))
for g in df.explode('groups').groupby('groups'):
print(g[0])
print('-' * 80)
print(g[1][['ID', 'LinkID', 'PC', 'occurence_date']])
print()
印刷品:
[2020-03-12, 2020-06-12]
--------------------------------------------------------------------------------
ID LinkID PC occurence_date
0 10R46 R*1005 8017 2020-03-12
1 10R46 R*10335 5019 2020-04-15
2 100R91 R*1005 8017 2020-04-15
[2020-03-13, 2020-06-13]
--------------------------------------------------------------------------------
ID LinkID PC occurence_date
1 10R46 R*10335 5019 2020-04-15
2 100R91 R*1005 8017 2020-04-15
[2020-03-14, 2020-06-14]
--------------------------------------------------------------------------------
ID LinkID PC occurence_date
1 10R46 R*10335 5019 2020-04-15
2 100R91 R*1005 8017 2020-04-15
3 10R91 R*243 8870 2020-06-14
下面的交互式会话将演示如何获得必要的数据,以便根据需要将记录分组在一起。可能有一种更有效的方法,因为这将迭代len(d)*len(dranges)
,但如果您没有大量数据,这是一种简单的解决方案
>>> d
ID LinkID PC occurence_date
0 10R46 R*1005 8017 2020-03-12
1 10R46 R*10335 5019 2020-04-15
2 100R91 R*1005 8017 2020-04-15
3 10R91 R*243 8870 2020-06-14
>>> dranges
0 1
0 2020-03-12 2020-06-12
1 2020-03-13 2020-06-13
2 2020-03-14 2020-06-14
>>> d['overlaps'] = d.apply(lambda row: [f'{dr[0]} to {dr[1]}'
for _, dr in dranges.iterrows()
if row['occurence_date'] >= dr[0]
and row['occurence_date'] <= dr[1]]
, axis=1)
>>> d.explode('overlaps').sort_values('overlaps')
ID LinkID PC occurence_date overlaps
0 10R46 R*1005 8017 2020-03-12 2020-03-12 to 2020-06-12
1 10R46 R*10335 5019 2020-04-15 2020-03-12 to 2020-06-12
2 100R91 R*1005 8017 2020-04-15 2020-03-12 to 2020-06-12
1 10R46 R*10335 5019 2020-04-15 2020-03-13 to 2020-06-13
2 100R91 R*1005 8017 2020-04-15 2020-03-13 to 2020-06-13
1 10R46 R*10335 5019 2020-04-15 2020-03-14 to 2020-06-14
2 100R91 R*1005 8017 2020-04-15 2020-03-14 to 2020-06-14
3 10R91 R*243 8870 2020-06-14 2020-03-14 to 2020-06-14
>>d
ID LinkID PC发生日期\u
0 10R46 R*1005 8017 2020-03-12
1 10R46 R*10335 5019 2020-04-15
2 100R91 R*1005 8017 2020-04-15
3 10R91 R*243 8870 2020-06-14
>>>德兰吉斯
0 1
0 2020-03-12 2020-06-12
1 2020-03-13 2020-06-13
2 2020-03-14 2020-06-14
>>>d['overlaps']=d.apply(lambda行:[f'{dr[0]}到{dr[1]}'
例如,dr in dranges.iterrows()
如果行['occurrence\u date']>=dr[0]
和行['occurrence\u date']>>d.explode('overlaps')。排序\u值('overlaps'))
ID LinkID PC发生\u日期重叠
0 10R46 R*1005 8017 2020-03-12 2020-03-12至2020-06-12
1 10R46 R*10335 5019 2020-04-15 2020-03-12至2020-06-12
2 100R91 R*1005 8017 2020-04-15 2020-03-12至2020-06-12
1 10R46 R*10335 5019 2020-04-15 2020-03-13至2020-06-13
2 100R91 R*1005 8017 2020-04-15 2020-03-13至2020-06-13
1 10R46 R*10335 5019 2020-04-15 2020-03-14至2020-06-14
2 100R91 R*1005 8017 2020-04-15 2020-03-14至2020-06-14
3 10R91 R*243 8870 2020-06-14 2020-03-14至2020-06-14