如何解决熊猫计算日期之间的值总和来自另一个df
第一次在这里发布。 我想通过MachineID在列中找到值的累积总和(我认为应该为此使用groupby?)来查找另一个df中的日期时间范围。最小代码:
import numpy as np
import pandas as pd
import datetime as dt
#Define first dataframe
d1 = {'DateTime': [dt.datetime(2019,10,1),dt.datetime(2019,11,15),12,dt.datetime(2020,1,1)],'MachineID': [1,3,1]}
df1 = pd.DataFrame(data=d1)
#Define second dataframe
d2 = {'DateTime': [dt.datetime(2019,5),5)],1],'ExperimentalValue':[5.5,7.1,3.9,113]}
df2 = pd.DataFrame(data=d2)
示例数据帧如下:
df1
Out[65]:
DateTime MachineID
0 2019-10-01 1
1 2019-11-15 1
2 2019-12-01 3
3 2020-01-01 1
df2
Out[69]:
DateTime MachineID ExperimentalValue
0 2019-10-05 1 5.5
1 2019-11-05 1 7.1
2 2019-12-05 3 3.9
3 2020-01-05 1 113.0
对于每个MachineID,我想在df1中为该专用机器找到的DateTimes之间的日期中,在ExperimentValue列中找到值的累积总和。例如。对于MachineID = 1,在df1中找到的第一个DateTime范围是[2019-10-01; [2019-11-15],使用此日期范围来查找df2中MachineID 1的实验值的累积总和:
DateTime MachineID ExperimentalValue CumSum
0 2019-10-05 1 5.5 5.5
1 2019-11-05 1 7.1 12.6
2 2019-12-05 3 3.9 3.9
3 2020-01-05 1 113.0 113.0
请注意,只有前两行相加(在第2行中),因为它们是唯一具有相同MachineID和相同日期时间范围(从df1开始)的
我不知道该如何实现。预先感谢。
解决方法
IIUC,每次MachineID更改时,CumSum都会重新启动,因此我们无法按MachineID进行分组。我创建了一个名为block_id的新列来跟踪此更改。我从df2的原始定义开始:
# MachineID on current row vs previous row
df2['block_id'] = df2['MachineID'] != df2['MachineID'].shift(1)
# cumulative sum of boolean increases each time the MachineID changes
df2['block_id'] = df2['block_id'].cumsum()
df2['CumSum'] = df2.groupby('block_id')['ExperimentalValue'].cumsum()
print(df2)
DateTime MachineID ExperimentalValue block_id CumSum
0 2019-10-05 1 5.5 1 5.5
1 2019-11-05 1 7.1 1 12.6
2 2019-12-05 3 3.9 2 3.9
3 2020-01-05 1 113.0 3 113.0
您可能想要删除block_id列,但我将其留在其中以显示逻辑。
,以下是有关使用第一个数据帧的其他信息。
- 我假设每一行都意味着一台机器在给定日期启动(或停止)。
- 目标是在同一行中获取开始时间和停止时间。
- 如果没有停止时间,则机器仍在运行。
# start with df1 as defined in original post
#
# a machine cycles: start -> stop -> start -> ...
# make a label to identify `start event` vs `stop event`
df1['range'] = ((df1['MachineID'] != df1['MachineID'].shift(1)).astype(int))
# identify the stop/start pairs
df1['idx'] = df1['range'].cumsum()
# re-shape the data frame
df1 = (df1.set_index(['MachineID','idx','range'])
.squeeze() # Data Frame -> Series
.unstack() # range (start/stop) to column label
.sort_index(axis=1,ascending=False)
.reset_index()
.rename(columns={1: 'start',0: 'end'})
)
# end date missing? machine still going
df1['end'] = df1['end'].fillna(pd.Timestamp('2099-12-31'))
# clean up and print
df1.columns.name = ''
print(df1)
MachineID idx start end
0 1 1 2019-10-01 2019-11-15
1 1 3 2020-01-01 2099-12-31
2 3 2 2019-12-01 2099-12-31
现在您可以组合df1和df2。例如,对于df2中的给定行:我们在第一个开始/停止周期,第二个周期中吗...
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。