Fab*_*nna 7 python time-series dataframe pandas
我有这个数据帧df
:
U,Datetime
01,2015-01-01 20:00:00
01,2015-02-01 20:05:00
01,2015-04-01 21:00:00
01,2015-05-01 22:00:00
01,2015-07-01 22:05:00
02,2015-08-01 20:00:00
02,2015-09-01 21:00:00
02,2014-01-01 23:00:00
02,2014-02-01 22:05:00
02,2015-01-01 20:00:00
02,2014-03-01 21:00:00
03,2015-10-01 20:00:00
03,2015-11-01 21:00:00
03,2015-12-01 23:00:00
03,2015-01-01 22:05:00
03,2015-02-01 20:00:00
03,2015-05-01 21:00:00
03,2014-01-01 20:00:00
03,2014-02-01 21:00:00
Run Code Online (Sandbox Code Playgroud)
通过由U
与一个Datetime
对象.我想做的是过滤U
几个月/年至少连续三次出现的值.到目前为止,我已经通过分组U
,year
并month
为:
m = df.groupby(['U',df.index.year,df.index.month]).size()
Run Code Online (Sandbox Code Playgroud)
获得:
U
1 2015 1 1
2 1
4 1
5 1
7 1
2 2014 1 1
2 1
3 1
2015 1 1
8 1
9 1
3 2014 1 1
2 1
2015 1 1
2 1
5 1
10 1
11 1
12 1
Run Code Online (Sandbox Code Playgroud)
第三栏与不同月/年的事件有关.在这种情况下,只有几个月/年的U
值02
和03
包含至少三个连续值.现在我无法弄清楚如何选择这些用户并将它们列在列表中,或者只是将它们保留在原始数据帧中df
并丢弃其他用户.我也尝试过:
g = m.groupby(level=[0,1]).diff()
Run Code Online (Sandbox Code Playgroud)
但我无法得到任何有用的信息.
最后我可以想出解决方案:)。
\n\n为了让您了解自定义函数的工作原理,只需从先前的值中减去月份的值,结果当然应该是one
,并且这应该发生两次,例如,如果您有一个数字列表[5 , 6 , 7]
,那么7 - 6 = 1
和6 - 5 = 1
,1
这里出现了两次所以条件已经满足
In [80]:\ndf.reset_index(inplace=True)\n\nIn [281]:\ndf['month'] = df.Datetime.dt.month\ndf['year'] = df.Datetime.dt.year\ndf\nOut[281]:\n Datetime U month year\n0 2015-01-01 20:00:00 1 1 2015\n1 2015-02-01 20:05:00 1 2 2015\n2 2015-04-01 21:00:00 1 4 2015\n3 2015-05-01 22:00:00 1 5 2015\n4 2015-07-01 22:05:00 1 7 2015\n5 2015-08-01 20:00:00 2 8 2015\n6 2015-09-01 21:00:00 2 9 2015\n7 2014-01-01 23:00:00 2 1 2014\n8 2014-02-01 22:05:00 2 2 2014\n9 2015-01-01 20:00:00 2 1 2015\n10 2014-03-01 21:00:00 2 3 2014\n11 2015-10-01 20:00:00 3 10 2015\n12 2015-11-01 21:00:00 3 11 2015\n13 2015-12-01 23:00:00 3 12 2015\n14 2015-01-01 22:05:00 3 1 2015\n15 2015-02-01 20:00:00 3 2 2015\n16 2015-05-01 21:00:00 3 5 2015\n17 2014-01-01 20:00:00 3 1 2014\n18 2014-02-01 21:00:00 3 2 2014\n\nIn [284]:\ng = df.groupby([df['U'] , df.year])\n\nIn [86]:\nres = g.filter(lambda x : is_at_least_three_consec(x['month'].diff().values.tolist()))\nres\nOut[86]:\n Datetime U month year\n7 2014-01-01 23:00:00 2 1 2014\n8 2014-02-01 22:05:00 2 2 2014\n10 2014-03-01 21:00:00 2 3 2014\n11 2015-10-01 20:00:00 3 10 2015\n12 2015-11-01 21:00:00 3 11 2015\n13 2015-12-01 23:00:00 3 12 2015\n14 2015-01-01 22:05:00 3 1 2015\n15 2015-02-01 20:00:00 3 2 2015\n16 2015-05-01 21:00:00 3 5 2015\n
Run Code Online (Sandbox Code Playgroud)\n\n如果你想查看自定义函数的结果
\n\nIn [84]:\nres = g['month'].agg(lambda x : is_at_least_three_consec(x.diff().values.tolist()))\nres\nOut[84]:\nU year\n1 2015 False\n2 2014 True\n 2015 False\n3 2014 False\n 2015 True\nName: month, dtype: bool\n
Run Code Online (Sandbox Code Playgroud)\n\n这就是自定义函数的实现方式
\n\nIn [53]: \ndef is_at_least_three_consec(month_diff):\n consec_count = 0\n #print(month_diff)\n for index , val in enumerate(month_diff):\n if index != 0 and val == 1:\n consec_count += 1\n if consec_count == 2:\n return True\n else:\n consec_count = 0\n\xe2\x80\x8b\n return False\n
Run Code Online (Sandbox Code Playgroud)\n
归档时间: |
|
查看次数: |
1623 次 |
最近记录: |