代码之家 › 专栏 › 技术社区 › HT121

根据条件计算从一个位置到另一个位置的跳转次数

pandas-groupby python-3.5 pandas

HT121 · 技术社区 · 6 年前

我有下面的数据帧。

    id  start   finish  location
0   1   2015-12-14 16:44:00 2015-12-15 18:00:00 A
1   1   2015-12-15 18:00:00 2015-12-16 13:00:00 B
2   1   2015-12-16 13:00:00 2015-12-16 20:00:00 C
3   2   2015-12-10 13:15:00 2015-12-12 13:45:00 B
4   2   2015-12-12 13:45:00 2015-12-12 19:45:00 A
5   3   2015-12-15 07:45:00 2015-12-15 18:45:00 A
6   3   2015-12-15 18:45:00 2015-12-18 07:15:00 D
7   3   2015-12-18 07:15:00 2015-12-19 10:45:00 C
8   3   2015-12-19 10:45:00 2015-12-20 09:00:00 H
9   4   2015-12-09 10:45:00 2015-12-13 12:20:00 E
10  4   2015-12-13 12:20:00 2015-12-13 18:20:00 A
11  4   2015-12-13 18:20:00 2015-12-13 23:40:00 A
12  4   2015-12-13 23:40:00 2015-12-16 08:00:00 B
13  5   2015-12-07 08:00:00 2015-12-13 12:25:00 H

我想计算每个“id”中从一个位置到另一个位置的跳跃。对于这些跳转计数,首先我想将finish列的日期和时间与同一id的下一行的start列的日期和时间进行比较。如果匹配,我想将计数设为1或0。我想得到的是:

    id  start   count
0   1   2015-12-14 16:44:00 1
1   1   2015-12-15 18:00:00 1
2   1   2015-12-16 13:00:00 0
3   2   2015-12-10 13:15:00 1
4   2   2015-12-12 13:45:00 0
5   3   2015-12-15 07:45:00 1
6   3   2015-12-15 18:45:00 1
7   3   2015-12-18 07:15:00 1
8   3   2015-12-19 10:45:00 0
9   4   2015-12-09 10:45:00 1
10  4   2015-12-13 12:20:00 1
11  4   2015-12-13 18:20:00 1
12  4   2015-12-13 23:40:00 0
13  5   2015-12-07 08:00:00 0

date    count_sum
2015-12-07  0
2015-12-09  1
2015-12-10  1
2015-12-12  0
2015-12-13  2
2015-12-14  1
2015-12-15  3
2015-12-16  0
2015-12-18  1
2015-12-19  0

对我来说,最后一部分很容易做到,根据日期执行groupby(),并使用.sum()来汇总该日期的所有计数。但如何得到第一部分,我们计算实际跳跃是不清楚的。任何帮助都将不胜感激。

1 回复 | 直到 6 年前

ALollz 6 年前

您的数据似乎已按 'start' 所以你可以 groupby 并检查完成时间是否与下一行的开始时间相同 pandas.Series.shift()

我建议不要叫专栏 'count' 因为这是熊猫的内置功能,所以不能使用 Series.col_name 符号。

#df['start'] = pd.to_datetime(df.start)
#df['finish'] = pd.to_datetime(df.finish)
df['count'] = (df.groupby('id').apply(lambda x: x.finish == x.start.shift(-1))
                 .astype('int').reset_index(level=0, drop=True))

    id               start              finish location  count
0    1 2015-12-14 16:44:00 2015-12-15 18:00:00        A      1
1    1 2015-12-15 18:00:00 2015-12-16 13:00:00        B      1
2    1 2015-12-16 13:00:00 2015-12-16 20:00:00        C      0
3    2 2015-12-10 13:15:00 2015-12-12 13:45:00        B      1
4    2 2015-12-12 13:45:00 2015-12-12 19:45:00        A      0
5    3 2015-12-15 07:45:00 2015-12-15 18:45:00        A      1
6    3 2015-12-15 18:45:00 2015-12-18 07:15:00        D      1
7    3 2015-12-18 07:15:00 2015-12-19 10:45:00        C      1
8    3 2015-12-19 10:45:00 2015-12-20 09:00:00        H      0
9    4 2015-12-09 10:45:00 2015-12-13 12:20:00        E      1
10   4 2015-12-13 12:20:00 2015-12-13 18:20:00        A      1
11   4 2015-12-13 18:20:00 2015-12-13 23:40:00        A      1
12   4 2015-12-13 23:40:00 2015-12-16 08:00:00        B      0
13   5 2015-12-07 08:00:00 2015-12-13 12:25:00        H      0

为了完整起见:

df.groupby(df.start.dt.date)['count'].sum()
start
2015-12-07    0
2015-12-09    1
2015-12-10    1
2015-12-12    0
2015-12-13    2
2015-12-14    1
2015-12-15    3
2015-12-16    0
2015-12-18    1
2015-12-19    0