![](/img/trans.png)
[英]pandas add columns conditions with groupby and on another column values
[英]Pandas - groupby columns with conditions from another column
我正在努力研究如何使用条件对多个列值进行分组:
以下是我的数据作为pandas数据帧的样子:
id trigger timestamp
1 started 2017-10-01 14:00:1
1 ended 2017-10-04 12:00:1
2 started 2017-10-02 10:00:1
1 started 2017-10-03 11:00:1
2 ended 2017-10-04 12:00:1
2 started 2017-10-05 15:00:1
1 ended 2017-10-05 16:00:1
2 ended 2017-10-05 17:00:1
我的目标是找出按ID分组的日期之间的日/小时或分钟差异。
我的输出看起来应该更像这样(在hrs中的diff):
id trigger timestamp trigger timestamp diff
1 started 2017-10-01 14:00:1 ended 2017-10-04 12:00:1 70
1 started 2017-10-03 11:00:1 ended 2017-10-05 16:00:1 53
2 started 2017-10-02 10:00:1 ended 2017-10-04 12:00:1 26
2 started 2017-10-05 15:00:1 ended 2017-10-05 17:00:1 2
我尝试了很多选择,但我不能提供最有效的解决方案。
这是我的代码,直到现在:
首先,我尝试将数据拆分为“已启动”和“已结束”:
df['started'] = df.groupby(['id', 'timestamp'])['trigger'] == 'started'
df['ended'] = df.groupby(['id', 'timestamp'])['trigger'] == 'ended'
接着:
df.groupby(['id', 'started', 'ended'], as_index=True).sum()
但它不起作用。 要么
df['started'] = df.groupby(['trigger'])['timestamp'].np.where(df['trigger']=='started')
也没有直觉的结果。
有人指出如何用熊猫做正确的方向吗? 我还将在数据中使用空匹配,如何使用df.fillna(method='ffill')
将NaN或缺少的数据添加到新数据帧。
id
和trigger
设置为索引 MultiIndex
, df
必须有一个包含3列的MultiIndex
timestamp
unstack
df['timestamp'] = pd.to_datetime(df['timestamp']) # if necessary
i = df.groupby(['id', 'trigger']).cumcount()
df.set_index(['id', i, 'trigger']).timestamp.unstack().assign(
diff=lambda d: d.ended.sub(d.started).dt.total_seconds() / 3600
)
感谢piRSquared的改进。
v
timestamp diff
trigger ended started
id
1 0 2017-10-04 12:00:01 2017-10-01 14:00:01 70.0
1 2017-10-05 16:00:01 2017-10-03 11:00:01 53.0
2 0 2017-10-04 12:00:01 2017-10-02 10:00:01 50.0
1 2017-10-05 17:00:01 2017-10-05 15:00:01 2.0
结果与您的问题中描述的不完全相同,但我相信列的MultiIndex
将是一种更清晰的方式来表示输出而不是两个触发列。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.