[英]Python pandas comparing previous rows based on group in card transit system
对于上下文化，在此数据框中，城市公交系统中的每张卡验证都是一行。 在这个城市，有一条规定：如果下一次验证在90分钟内完成，将获得50%的票价折扣。 这就是我们所说的INTEGRACAO = True。 但是，它仅对两个验证组有效，在第三个验证中您无法获得任何折扣。
无论如何，如果第四次验证也在 90 分钟内完成，参考第三次，它也将获得 50% 的票价折扣（INTEGRACAO = True），在接下来的验证中遵循这个想法。
初始df
DATAHORA_UTILIZACAO CARTAO_USUARIO
314388 2020-03-04 08:06 1
322718 2020-03-04 08:12 1
324216 2020-03-04 08:13 1
431669 2020-03-04 10:22 1
457794 2020-03-04 11:03 1
483567 2020-03-04 11:37 1
534746 2020-03-04 12:31 1
586949 2020-03-04 13:31 1
602406 2020-03-04 13:53 1
604226 2020-03-04 13:55 1
691412 2020-03-04 15:50 1
698074 2020-03-04 15:58 1
699002 2020-03-04 15:59 1
771140 2020-03-04 17:02 1
838434 2020-03-04 17:43 1
956096 2020-03-04 18:59 1
代码
df_cartoes = df_cartoes.sort_values(by=['DATAHORA_UTILIZACAO', 'CARTAO_USUARIO'])
df_cartoes = df_cartoes.reset_index(drop=True)
df_cartoes.loc[:,'SEQ_VALIDACAO'] = df_cartoes.groupby('CARTAO_USUARIO').cumcount()
df_cartoes.loc[:,'INTERVALO_INTEGRACAO_SEG'] = df_cartoes.groupby('CARTAO_USUARIO')['DATAHORA_UTILIZACAO'].diff()
df_cartoes.loc[:,'INTERVALO_INTEGRACAO_SEG'] = df_cartoes['INTERVALO_INTEGRACAO_SEG'].apply(lambda x: x.total_seconds())
df_cartoes.loc[:,'INTERVALO_INTEGRACAO_MIN'] = df_cartoes['INTERVALO_INTEGRACAO_SEG'].div(60)
df_cartoes.loc[((df_cartoes['INTERVALO_INTEGRACAO_SEG'] > 300) & (df_cartoes['INTERVALO_INTEGRACAO_SEG'] <= 5400)), 'INTEGRACAO'] = True
df_cartoes.loc[:,'INTEGRACAO'] = df_cartoes['INTEGRACAO'].fillna(False)
for i in range(0,5):
df_cartoes.loc[((df_cartoes['INTEGRACAO'] == True) & ((df_cartoes.shift(1)['INTEGRACAO'] == True) & (df_cartoes.shift(1)['CARTAO_USUARIO'] == df_cartoes['CARTAO_USUARIO'])) & ((df_cartoes.shift(2)['INTEGRACAO'] == False) & (df_cartoes.shift(2)['CARTAO_USUARIO'] == df_cartoes['CARTAO_USUARIO']))), 'INTEGRACAO'] = False
输出df
DATAHORA_UTILIZACAO CARTAO_USUARIO SEQ_VALIDACAO INTERVALO_INTEGRACAO_SEG INTERVALO_INTEGRACAO_MIN INTEGRACAO
314388 2020-03-04 08:06 1 0 NaN NaN False
322718 2020-03-04 08:12 1 1 348.0 5.800000 True
324216 2020-03-04 08:13 1 2 63.0 1.050000 False
431669 2020-03-04 10:22 1 3 7784.0 129.733333 False
457794 2020-03-04 11:03 1 4 2442.0 40.700000 True
483567 2020-03-04 11:37 1 5 2048.0 34.133333 True
534746 2020-03-04 12:31 1 6 3240.0 54.000000 True
586949 2020-03-04 13:31 1 7 3591.0 59.850000 True
602406 2020-03-04 13:53 1 8 1297.0 21.616667 True
604226 2020-03-04 13:55 1 9 163.0 2.716667 False
691412 2020-03-04 15:50 1 10 6863.0 114.383333 False
698074 2020-03-04 15:58 1 11 468.0 7.800000 True
699002 2020-03-04 15:59 1 12 62.0 1.033333 False
771140 2020-03-04 17:02 1 13 3821.0 63.683333 True
838434 2020-03-04 17:43 1 14 2464.0 41.066667 True
956096 2020-03-04 18:59 1 15 4529.0 75.483333 True
预期输出df
DATAHORA_UTILIZACAO CARTAO_USUARIO SEQ_VALIDACAO INTERVALO_INTEGRACAO_SEG INTERVALO_INTEGRACAO_MIN INTEGRACAO
314388 2020-03-04 08:06 1 0 NaN NaN False
322718 2020-03-04 08:12 1 1 348.0 5.800000 True
324216 2020-03-04 08:13 1 2 63.0 1.050000 False
431669 2020-03-04 10:22 1 3 7784.0 129.733333 False
457794 2020-03-04 11:03 1 4 2442.0 40.700000 True
483567 2020-03-04 11:37 1 5 2048.0 34.133333 False
534746 2020-03-04 12:31 1 6 3240.0 54.000000 True
586949 2020-03-04 13:31 1 7 3591.0 59.850000 False
602406 2020-03-04 13:53 1 8 1297.0 21.616667 True
604226 2020-03-04 13:55 1 9 163.0 2.716667 False
691412 2020-03-04 15:50 1 10 6863.0 114.383333 False
698074 2020-03-04 15:58 1 11 468.0 7.800000 True
699002 2020-03-04 15:59 1 12 62.0 1.033333 False
771140 2020-03-04 17:02 1 13 3821.0 63.683333 True
838434 2020-03-04 17:43 1 14 2464.0 41.066667 False
956096 2020-03-04 18:59 1 15 4529.0 75.483333 True
在数据框中使用唯一的 CARTAO_USUARIO 和这部分代码，我可以获得预期的输出。 但是，由于有很多 CARTAO_USUARIO，我无法获得预期的输出。
for i in range(0,5):
df_cartoes.loc[((df_cartoes['INTEGRACAO'] == True) & ((df_cartoes.shift(1)['INTEGRACAO'] == True)) & ((df_cartoes.shift(2)['INTEGRACAO'] == False))), 'INTEGRACAO'] = False
基本上，规则是我不能在同一个 CARTAO_USUARIO 中依次得到两个 True。 我在stackoverflow中尝试了所有可能性，但我找不到解决方案。
Python Pandas DataFrame基于多个先前行中的值删除行
[英]Python Pandas DataFrame delete rows based on values in multiple previous rows
Python Pandas：根据前一行的重复值删除行
[英]Python Pandas: Dropped Rows Based on Recurrence Value From Previous Rows
Python Pandas，运行总和，基于先前行的值并分组
[英]Python Pandas, Running Sum, based on previous rows value and grouped
根据数字和组ID扩展熊猫数据框行（Python 3）。
[英]Expanding pandas Data Frame rows based on number and group ID (Python 3).
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.