blocks|key|3767169|text|我的方法是使用pandas.apply()|type|unstyled|depth|inlineStyleRanges|entityRanges|data|3767170|type_prev+=+''
time_prev+=+0

def+lambda_func(row):
++++global+type_prev
++++global+time_prev
++++if+row['type']+==+time_prev:
++++++++time_diff+=+row['time']+-+time_prev
++++else:
++++++++time_diff+=+''
++++time_prev+=+row['time']
++++type_prev+=+row['type']
++++return+time_diff

df['delta']+=+df.apply(lambda_func)|code-block|syntax|javascript|3767171|entityMap^0|0|0^^$0|@$1|2|3|4|5|6|7|I|8|@]|9|@]|A|$]]|$1|B|3|C|5|D|7|J|8|@]|9|@]|A|$E|F]]|$1|G|3|-4|5|6|7|K|8|@]|9|@]|A|$]]]|H|$]]

my approach would be to use pandas.apply()

<pre><code>type_prev = ''
time_prev = 0

def lambda_func(row):
 global type_prev
 global time_prev
 if row['type'] == time_prev:
 time_diff = row['time'] - time_prev
 else:
 time_diff = ''
 time_prev = row['time']
 type_prev = row['type']
 return time_diff

df['delta'] = df.apply(lambda_func)
</code></pre>

blocks|key|3527276|text|你应该用矢量化的方法。例如，您可以将numpy.where与pd.Series.shift和pd.Series.diff结合使用。|type|unstyled|depth|inlineStyleRanges|offset|length|style|CODE|entityRanges|data|3527277|df['C_id']+=+np.where(df['type']+==+df['type'].shift(),+df['time'].diff(),+np.nan)|code-block|syntax|javascript|3527278|注意，我强烈建议您使用而不是，使用空字符串''作为您的替代值，因为这将迫使您的系列使用object+dtype而不是float。|BOLD|3527279|entityMap^0|I|B|U|F|1A|E|0|0|B|3|L|2|17|6|1M|5|0^^$0|@$1|2|3|4|5|6|7|P|8|@$9|Q|A|R|B|C]|$9|S|A|T|B|C]|$9|U|A|V|B|C]]|D|@]|E|$]]|$1|F|3|G|5|H|7|W|8|@]|D|@]|E|$I|J]]|$1|K|3|L|5|6|7|X|8|@$9|Y|A|Z|B|M]|$9|10|A|11|B|C]|$9|12|A|13|B|C]|$9|14|A|15|B|C]]|D|@]|E|$]]|$1|N|3|-4|5|6|7|16|8|@]|D|@]|E|$]]]|O|$]]

You should use a vectorised approach. For example, you can use <code>numpy.where</code> with <code>pd.Series.shift</code> and <code>pd.Series.diff</code>:

<pre><code>df['C_id'] = np.where(df['type'] == df['type'].shift(), df['time'].diff(), np.nan)
</code></pre>

Note I strongly recommend you do not use an empty string <code>''</code> as your alternative value, as this will force your series to have <code>object</code> dtype instead of <code>float</code>.

blocks|key|2477335|text|为此，我将使用.shift()。因此，如果我们没有条件，您只需要df["time"]+-+df["time"].shift()，但是当您想要添加条件时，where会有所帮助。所以这里有一个单行的解决方案|type|unstyled|depth|inlineStyleRanges|offset|length|style|CODE|entityRanges|data|2477336|(df["time"]+-+df["time"].shift()).where(df["type"]+==+df["type"].shift(),+"")|code-block|syntax|javascript|2477337|或者按照其他答案中的建议，您可以使用diff。|2477338|df["time"].diff().where(df["type"]+==+df["type"].shift(),+"")|2477339|entityMap^0|W|V|24|5|0|0|0|0^^$0|@$1|2|3|4|5|6|7|Q|8|@$9|R|A|S|B|C]|$9|T|A|U|B|C]]|D|@]|E|$]]|$1|F|3|G|5|H|7|V|8|@]|D|@]|E|$I|J]]|$1|K|3|L|5|6|7|W|8|@]|D|@]|E|$]]|$1|M|3|N|5|H|7|X|8|@]|D|@]|E|$I|J]]|$1|O|3|-4|5|6|7|Y|8|@]|D|@]|E|$]]]|P|$]]

I would use .shift() for that. It makes a new column with values shifted by 1.
So if we have no conditions, you'll need just <code>df["time"] - df["time"].shift()</code>, but as you want to add condition, <code>where</code> would help. So here is a one line solution 

<pre><code>(df["time"] - df["time"].shift()).where(df["type"] == df["type"].shift(), "")
</code></pre>

Or as suggested in other answer, you can use diff

<pre><code>df["time"].diff().where(df["type"] == df["type"].shift(), "")
</code></pre>

I would like to compute delta time in a dataframe (with some condition) so I write a loop: 

<pre><code>for i in range(1,len(df.index)):
 if df.type[i] == df.type[i-1]:
 df.delta[i]=df.time[i]-df.time[i-1]
 else:
 df.delta[i]= ''
</code></pre>

but it seems not very optimised because it's very long and I get a <code>SettingWithCopyWarning</code> (which I don't understand). What is the best way to do such a computation?

pandas loop on elements

翻译质量差，导致语言生硬或混乱。

没有提供实际的解决方法或示例。

解答不清晰，无法理解或解决问题。

页面排版不美观，阅读体验差。

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

我想在一个dataframe中计算增量时间(有一些条件)，所以我编写了一个循环：for i in range(1,len(df.index)):    if df.type[i] == df.type[i-1]:        df.delta[i]=df.time[i]-df.time[i-1]    else:  ...

问熊猫元素循环
EN

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问熊猫元素循环EN