我有这个df:
df=pd.DataFrame({'stop_i':['stop_0','stop_0','stop_0','stop_1','stop_1','stop_0','stop_0'],'time':[0,10,15,50,60,195,205]})
每条线路对应于总线处于stop_i
的time
(以秒为单位(。
首先,我想计算最后一次看到和下一次第一次看到之间,巴士在stop_i
和180 seconds
处的次数。结果将是{'stop_0' : 2,'stop_1': 1}
,因为对于stop_0
,最后一次第一次看到它是在15s
,然后它再次出现在195s
,所以195-15<=180
然后它计数2,stop_1
只出现一次
其次,我想得到这个dict:{'stop_0' : [[0,15],[195,205], 'stop_1': [[50,60]]}
,其中包含总线处于stop_i
时的时间的最小值和最大值
有没有办法对熊猫这样做,以避免通过df循环?
谢谢!
无循环
- 生成一个新列,该列是公共汽车停靠的时间集(假设索引是连续的(
- 从此获得第一次和最后一次。然后构建第一次/最后一次的列表。加上>180年代。这种逻辑似乎很奇怪。stop_ 1只有一次访问;180年代是被迫的
- 终于得到你想要的词典了
df=pd.DataFrame({'stop_i':['stop_0','stop_0','stop_0','stop_1','stop_1','stop_0','stop_0'],'time':[0,10,15,50,60,195,205]})
dfp =(df
# group when a bus is at a stop
.assign(
grp=lambda dfa: np.where(dfa["stop_i"].shift()!=dfa["stop_i"], dfa.index, np.nan)
)
.assign(
grp=lambda dfa: dfa["grp"].fillna(method="ffill")
)
# within group get fisrt and last time it's at stop
.groupby(["stop_i","grp"]).agg({"time":["first","last"]})
.reset_index()
# based on expected output... in reality there is only 1 time bus is between stops
# > 180 seconds. stop_1 only has one visit to cannot be > 180s
.assign(
combi=lambda dfa: dfa.apply(lambda r: [r[("time","first")], r[("time","last")]] , axis=1),
stopchng=lambda dfa: dfa[("stop_i")]!=dfa[("stop_i")].shift(),
timediff=lambda dfa: dfa[("time","first")] - dfa[("time","last")].shift(),
)
)
# first requirement... which seems wrong
d1 = (dfp.loc[(dfp[("timediff")]>=180) | dfp[("stopchng")], ]
.groupby("stop_i")["stop_i"].count()
.to_frame().T.reset_index(drop="True")
.to_dict(orient="records")
)
# second requirement
d2 = (dfp.groupby("stop_i")["combi"].agg(lambda s: list(s))
.to_frame().T.reset_index(drop=True)
.to_dict(orient="records")
)
print(d1, d2)
输出
[{'stop_0': 2, 'stop_1': 1}] [{'stop_0': [[0, 15], [195, 205]], 'stop_1': [[50, 60]]}]