[英]pandas: filter group by multiple conditions?
我有一個如下所示的數據框:
df = pd.DataFrame([
{'id': 123, 'date': '2016-01-01', 'is_local': True },
{'id': 123, 'date': '2017-01-01', 'is_local': False },
{'id': 124, 'date': '2016-01-01', 'is_local': True },
{'id': 124, 'date': '2017-01-01', 'is_local': True }
])
df.date = df.date.astype('datetime64[ns]')
我希望獲得2016 is_local
為True的所有ID列表,但2017年初為False。我開始按ID進行分組:
gp = df.groupby('id')
然后我試過這只是為了過濾這些條件中的第二個(作為一種入門方式),但它返回所有組:
gp.apply(lambda x: ~x.is_local & (x.date > '2016-12-31'))
如何以我需要的方式過濾?
d1 = df.set_index(['id', 'date']).is_local.unstack()
d1.index[d1['2016-01-01'] & ~d1['2017-01-01']].tolist()
[123]
另一種方法是通過旋轉 :
In [24]: ids_by_dates = df.pivot(index='id', columns='date',values='is_local')
In [25]: ids_by_dates['2016-01-01'] & ~ids_by_dates['2017-01-01']
Out[25]:
id
123 True
124 False
您可以嘗試使用datetime庫中的datetime模塊,並為數據幀傳遞多個條件
from datetime import datetime
df = pd.DataFrame([
{'id': 123, 'date': '2016-01-01', 'is_local': True },
{'id': 123, 'date': '2017-01-01', 'is_local': False },
{'id': 124, 'date': '2016-01-01', 'is_local': True },
{'id': 124, 'date': '2017-01-01', 'is_local': True }
])
df.date = df.date.astype('datetime64[ns]')
使用多個條件來切割所需的數據幀
a = df[(df.is_local==True) & (df.date<datetime(2016,12,31) & (df.date>datetime(2015,12,31))]
b = df[(df.is_local==False) & (df.date<datetime(2017,12,31)) & (df.date>datetime(2016,12,31))]
稍后使用pandas連接
final_df = pd.concat((a,b))
將輸出第1行和第2行
date id is_local
2 2016-01-01 124 True
1 2017-01-01 123 False
單行如下
final_df = pd.concat((df[(df.is_local==True) & (df.date<datetime(2016,12,31) & (df.date>datetime(2015,12,31))], df[(df.is_local==False) & (df.date<datetime(2017,12,31)) & (df.date>datetime(2016,12,31))]))
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.