假设我有一个包含两列、一个字符串和一个日期时间的 pandas 数据框，如下所示：ORDER TIMESTAMPGO 6/4/2019 09:59:49.497000STAY 6/4/2019 09:05:27.036000WAIT 6/4/2019 10:33:05.645000GO 6/4/2019 10:28:03.649000STAY 6/4/2019 11:23:11.614000GO 6/4/2019 11:00:33.574000WAIT 6/4/2019 11:41:55.744000我想创建一个列表，其中每个条目都是一个包含三个值的列表。对于每个选择的时间间隔（例如一小时），每个条目是：[开始时间、总行数、顺序为 GO 的行的百分比]。例如，对于上面的数据框，我的列表是：[6/4/2019 09:00:00.000000, 2, 50][6/4/2019 10:00:00.000000, 2, 50][6/4/2019 11:00:00.000000, 3, 33.3]我创建了一个简单的 while 循环：go= []while t<=df["timestamp"].iloc[-1]: tmp1 = df[(df["date_time"]>=t) & (df["timestamp"]<t+timedelta(hour=1))] tmp2 = df[(df["date_time"]>=t) & (df["timestamp"]<t+timedelta(hour=1)) & (df["Order"]=="GO")] go.append([t, tmp1.shape[0], 100.0*tmp2.shape[0]/tmp1.shape[0]]) #increment the time by the interval t=t+timedelta(hour=1)然而，我的初始数据帧有数百万行，我希望我的时间间隔比一个小时短得多，所以这种方法非常慢。更Pythonic的方法是什么？
1 回答
小怪兽爱吃肉
TA贡献1852条经验 获得超1个赞
让我们尝试groupby().agg()使用size行数并mean获取行的比率GO：
(df.ORDER.eq('GO').astype(int)
.groupby(df.TIMESTAMP.dt.floor('1H')) # groupby interval of choice
.agg(['size','mean'])
.reset_index() # get timestamp back
.to_numpy().tolist() # this is to generate the list
)
输出：
[[Timestamp('2019-06-04 09:00:00'), 2, 0.5],
[Timestamp('2019-06-04 10:00:00'), 2, 0.5],
[Timestamp('2019-06-04 11:00:00'), 3, 0.3333333333333333]]
添加回答
举报
0/150
提交
取消