pandas Groupby使用序列并计算和

wnrlj8wa 于 2023-09-29 发布在其他

关注(0)|答案(2)|浏览(104)

我有一个这样的数据框

Name COST      Timestamp
0   c   8   2023-09-20 15:14:46
1   a   8   2023-09-20 15:14:48
2   c   9   2023-09-20 15:14:55
3   b   10  2023-09-20 15:15:00
4   c   4   2023-09-20 15:15:02
5   a   9   2023-09-20 15:15:04
6   b   3   2023-09-20 15:15:12
7   a   3   2023-09-20 15:15:17
8   c   6   2023-09-20 15:15:20
9   c   6   2023-09-20 15:15:29

我想要的是创建一个新的dataframe。它将查找a，B，c的序列（顺序在这里无关紧要），sum_cost是a，b，c的成本之和，它的time_stamp将是a，b，c的最后一个time_stamp。如果有多个相同名称的条目，比如B，c，c，b，b，a，则取最后一个c，然后取最后一个b和a。

一个详细的例子 *：

输出应该来自给定的 Dataframe ，将被构造成这样，对于第一个，它将采用索引1的‘a’、索引2的‘c’（因为这在索引0的‘c’之后）和索引3的‘b’，对于该组，sum_cost将是27，并且timestamp将是2023-09- 2000：14：26，它是索引3的‘b’，因为它对于该组是最后一个。下一组将采用索引4的'c'，索引5的'a'和索引6的'B'，sum_cost将为16，timestamp将为2023-09-20 00：06：51，这是索引6的'b'，因为它是这个序列的最后一个。
输出将如下所示，

sum_cost   Timestamp
0   27  2023-09-20 15:15:00
1   16  2023-09-20 15:15:12

请帮我拿这个。谢谢你，谢谢！

pandas

来源：https://stackoverflow.com/questions/77141027/groupby-using-a-sequence-and-computing-sum

2条答案

按热度按时间

yi0zb3m41#

你需要构建一个自定义的分组器，为此需要一个循环，这里使用一个自定义函数：

def group_consecutive(s, target):
    out = []
    i = 0

    g = 1
    while i < len(s)-len(target)+1:
        if target == set(s.iloc[i:i+len(target)]):
            out.extend([g]*len(target))
            g += 1
            i += len(target)
        else:
            out.append(0)
            i += 1
    out.extend([0]*(len(target)-1))

    return pd.Series(out, index=s.index)

group = group_consecutive(df['Name'], {'a', 'b', 'c'})

out = df[group>0].groupby(group).agg({'COST': 'sum', 'Timestamp': 'last'})

输出量：

COST            Timestamp
1    27  2023-09-20 15:15:00
2    16  2023-09-20 15:15:12

中间体组：

Name  COST            Timestamp  group
0    c     8  2023-09-20 15:14:46      0
1    a     8  2023-09-20 15:14:48      1
2    c     9  2023-09-20 15:14:55      1
3    b    10  2023-09-20 15:15:00      1
4    c     4  2023-09-20 15:15:02      2
5    a     9  2023-09-20 15:15:04      2
6    b     3  2023-09-20 15:15:12      2
7    a     3  2023-09-20 15:15:17      0
8    c     6  2023-09-20 15:15:20      0
9    c     6  2023-09-20 15:15:29      0

赞(0）回复(0）举报 2023-09-29

ctehm74n2#

你可以试试这个代码你需要改变你的数据框的路径

from datetime import datetime 
import pandas as pd

df =pd.read_csv("df.csv")
a_tmp= b_tmp= c_tmp= max_tmp = datetime(1998, 5, 3)
a_value= b_value= c_value = None
df2 = pd.DataFrame(columns=['sum_cost','timestamp'])

for row in range(len(df)):
    if df['Name'][row] == 'a' and datetime.strptime(df['Timestamp'][row],"%Y-%m-%d %H:%M:%S")> a_tmp:
        a_value = df['COST'][row]
        a_tmp = datetime.strptime(df['Timestamp'][row],"%Y-%m-%d %H:%M:%S")
        if a_tmp > max_tmp:
            max_tmp = a_tmp
    elif  df['Name'][row] == 'b' and datetime.strptime(df['Timestamp'][row],"%Y-%m-%d %H:%M:%S")> b_tmp:
        b_value = df['COST'][row]
        b_tmp = datetime.strptime(df['Timestamp'][row],"%Y-%m-%d %H:%M:%S")
        if b_tmp > max_tmp:
            max_tmp = b_tmp
    elif df['Name'][row] == 'c' and datetime.strptime(df['Timestamp'][row],"%Y-%m-%d %H:%M:%S")> c_tmp:
        c_value = df['COST'][row]
        c_tmp = datetime.strptime(df['Timestamp'][row],"%Y-%m-%d %H:%M:%S")
        if c_tmp > max_tmp:
            max_tmp = c_tmp
    if a_value is not None and b_value is not None and c_value is not None:
        sum_of_value =  a_value+ b_value + c_value
        df2.loc[len(df2.index)] =[sum_of_value,max_tmp]
        a_tmp= b_tmp= c_tmp= max_tmp = datetime(1998, 5, 3)
        a_value =  b_value =  c_value = None
        
df2

赞(0）回复(0）举报 2023-09-29

我来回答

pandas Groupby使用序列并计算和

2条答案

相关问题

热门标签

最新问答