Python数据处理，pandas 统计连续停车时长

定期找些简单练习作为 pandas 专栏的练习题

知识点

1. DataFrame.apply 以及 axis 的理解
2. 分组计数
3. DataFrame.iloc 切片

如下一份停车场数据：

• 每行表示某时间段(总是1个小时)每个停车位停放是那辆车(内容视为车牌吧)

需要以下结果：

共2个需求：

需求1：停车次数(蓝色行)：一天中，每个停车位分别有多少不同的车停放，如下：

• 分别有8量不同车牌，因此这个停车位的"停车次数"是8
• 就算同一天有相同的车在不同时段停放，只算一次

需求2：连续停车小时(白色行)：由于有些车是停放多于1小时才开走，统计一天中，连续停放n(1至10)小时的数量

如下：

• 第一个停车位中，连续出现3次的区域只有一个(3个"GG") ，因此这个停车位"连续停车3小时"结果是1
• 同理，"连续停车2小时"结果是2(分别是"AA"与"FF")

导入库与加载数据：

需求1

按理解，可以描述为"不同车牌数量"，相当于去重复后的车牌数。

因此代码非常简单：

• df.iloc ，由于第一列是"时间"，不是需要的数据，通过切片获取第一列到最后的所有列
• .apply ，注意参数 axis 默认为0，表示数据表每一列作为处理单位
• pd.Series.nunique 就是去重计数

需求2

按理解，我们需要首先统计每个车牌的出现次数，分组统计即可：

• 我这只考虑一列的处理情况，因为所有列批量处理只需要调用 apply 即可
• 这里同样可以使用 Series.value_counts() 做到一样的效果

基于这个结果，统计每一种次数的计数即可：

• 行3：按之前的处理，统计次数
• 注意此时结果是一个 Series，index(上图红框) 是"连续n小时停车"。value(上图蓝框) 是连续n小时停车出现的次数

把这个过程定义为一个函数：

• 行6：选出一列执行看看效果

最后，通过 apply 就能处理所有的列：

• 注意 行索引(蓝框) 是"连续n小时停车"

但是，我们需要的是1至10的结果，怎么办？

reindex 就是为了这种场景而设计：

• 行4：顺手把空值填成 0

结果：

之后只是合并2个需求结果输出 Excel 即可，具体看源码

但是，结果真的对吗？！！！

看看第5个停车点：

• 连续停4个小时应该有1个吧
• 大于4个小时的应该是0吧

但是我们的结果是：

• 连续6小时竟然有1次

原来，我们的统计过程只是简单的按车牌分组统计，却没有考虑连续问题。

也就是说我们的处理过程根本没有反映需求中的"连续"的意义

怎么办？我也想不到，希望大家给点建议

或者看看专栏关于"波动走势处理"的相关章节，说不定找到答案

下节解答。