时间戳

首页 > 解决方案 > 每组的活动时间差异

pandas - 每组的活动时间差异

问题描述

这是我正在处理的海量数据的简化版本，数据按时间排序

df = pd.DataFrame({'group':['grp1','grp1','grp1','grp1', 'grp2','grp2','grp2','grp2','grp2'],'event':['foo','bar','foo','bar','foo','bar','bar','foo','bar'], 'time':[10,21,33,54,10,21,56,81,95]})

Qn：我需要找到每个组的每对 foo/bar (bar - foo) 的时间差（延迟）。group1 变得容易，因为 foo/bar 的数量相等且对齐良好（每个 foo 后跟 bar）。我会做类似的事情，

final = df.pivot_table(index = 'group', columns = 'event', values = 'time', aggfunc='sum')
final['delay'] = final['bar'] - final['foo']

grp1    32
grp2    81

上面的结果对 grp1 是好的，但对于 grp2，由于事件栏在索引 5 和 6 处重复，我将不得不忽略索引 6 处的栏值并获得结果，

grp1    32
grp2    25

警告：事件必须按照 grp1 中的确切顺序排列。如果 bar 首先出现，则相应的时间将被忽略，我们从下一个 foo 开始。

将不胜感激这方面的建议

标签： pandas

解决方案

您可以尝试通过条件屏蔽，然后执行枢轴（注释中的内联解释）：

c1 = df['event'].eq("foo")          #check if current row is foo
c2 = df['event'].shift(-1).eq("bar") #check if next row is bar
cond = c1&c2                          #chaining c1 and c2
#if cond is True , take next row as True since bar is already below foo per cond
final = (df[cond|cond.shift()].pivot_table(index = 'group', 
        columns = 'event', values = 'time', aggfunc='sum').copy())
final['bar']-final['foo']

group
grp1    32
grp2    25
dtype: int64

推荐阅读