Pandas - groupby (如果符合条件)
Pandas - groupby (如果符合条件)
提问于 2017-06-20 21:45:53
下面的数据是基于一辆面包车的GPS坐标，点火是否打开/关闭，以及在给定时间面包车离目标位置有多远。我想要确定一辆面包车是否在一个位置(<300)或附近，点火是否关闭，如果两个条件都成立，停留的时间。
在下面的示例中，我将行1-4可视化为“分组”在一起，因为它们是距离<300的连续行。第5行被单独“分组”，因为它是大于300的，而第6-8行被“分组”在一起，因为它们是距离<300的连续行。
因此，由于点火在第1-4行被关闭，我想要计算持续时间(因为面包车在给定的时间量内“停止”在该位置)。但是，其他两组(第5行和第6-8行)不应计算持续时间，因为在这些组中从未关闭过点火。
df
AcctID On_Off Distance Timestamp
123 On 230 12:00
123 On 30 12:02
123 Off 29 12:05
123 Off 35 12:10
123 On 3000 12:13
123 On 100 12:20
123 On 95 12:22
123 On 240 12:28我能够对距离是否小于300 (Within_Distance)进行分类，但确定分组中至少有一行的点火是否关闭让我感到困惑。下面是最终的数据帧应该是什么样子：
df['Within_Distance'] = np.where(df['Distance']<300, "Yes", "No")
df
AcctID On_Off Distance Timestamp Within_Distance Was_Off Within_Distance_and_Was_Off
123 On 230 12:20 Yes Yes Yes
123 On 30 12:02 Yes Yes Yes
123 Off 29 12:05 Yes Yes Yes
123 Off 35 12:10 Yes Yes Yes
123 On 3000 12:13 No No No
123 On 100 12:20 Yes No No
123 On 95 12:22 Yes No No
123 On 240 12:28 Yes No No提前感谢！
回答 2
Stack Overflow用户
回答已采纳
发布于 2017-06-20 22:20:10
让我们试一试：
df['Within_Distance'] = np.where(df['Distance']<300, "Yes", "No")
df['Was_Off'] = df.groupby((df.Distance > 300).diff().fillna(0).cumsum())['On_Off'].transform(lambda x: 'Yes' if (x == 'Off').any() else 'No')
df['Within_Distinace_and_Was_Off'] = np.where((df['Within_Distance'] == 'Yes') & (df['Was_Off'] == 'Yes'),'Yes','No')输出：
AcctID On_Off Distance Timestamp Within_Distance Was_Off \
0 123 On 230 12:00 Yes Yes
1 123 On 30 12:02 Yes Yes
2 123 Off 29 12:05 Yes Yes
3 123 Off 35 12:10 Yes Yes
4 123 On 3000 12:13 No No
5 123 On 100 12:20 Yes No
6 123 On 95 12:22 Yes No
7 123 On 240 12:28 Yes No
Within_Distinace_and_Was_Off
0 Yes
1 Yes
2 Yes
3 Yes
4 No
5 No
6 No
7 No Stack Overflow用户
发布于 2017-06-20 22:24:53
首先，设置一个要使用的布尔值字段
df['Off'] = df['On_Off'] == 'Off'然后构造一个字段来标识groupby的连续行，如here所示
(df['Within_Distance'] != df['Within_Distance'].shift()).cumsum()并使用.any标识groupby中任何行的布尔值为true的位置：
df['Was_Off'] = df.groupby((df['Within_Distance'] != df['Within_Distance'].shift()).cumsum())['Off'].transform(any)
Out[31]:
AcctID On_Off Distance Timestamp Within_Distance Off Was_Off
0 123 On 230 12:00 Yes False True
1 123 On 30 12:02 Yes False True
2 123 Off 29 12:05 Yes True True
3 123 Off 35 12:10 Yes True True
4 123 On 3000 12:13 No False False
5 123 On 100 12:20 Yes False False
6 123 On 95 12:22 Yes False False
7 123 On 240 12:28 Yes False False页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/44654874
复制相关文章
相似问题
腾讯云开发者
