Groupby 'ID'具有时间戳差异，并在Python中维护其他列
我想做六列('ID'， ' early '， 'Latest'， ' diffence_hours '， ' diffence_minutes '， 'Serial')从这个部分数据aframe:
ID Timestamp Serial
A 2019-01-01 00:01 F
A 2019-01-01 00:04 F
A 2019-01-01 00:06 F
B 2019-01-03 12:35 G
B 2019-01-01 13:35 G
.
.
.
部分期望输出为:
ID Earliest Latest Difference_hours Difference_minutes Serial
A 2019-01-01 00:01 2019-01-01 00:06 0.083 5 F
A 2019-01-03 12:35 2019-01-04 13:35 1 60 G
.
.
.
列描述: “最早的”:同一“ID”的最早时间戳， “最新的”:来自同一“ID”的最新信息， ' diffence_hours ': ' early '和'Latest'的时间戳差异， ' differences _minutes': ' early '和'Latest'之间的时间戳差异，以分钟为单位。 注意:'Serial'对于每个唯一的'ID'是常量 我知道我需要使用groupby和transform，但不知道如何确切地做到这一点。 问题来源StackOverflow 地址：/questions/59383332/groupby-id-with-timestamp-difference-and-maintaining-the-other-columns-in-pyth
展开
收起
1
条回答
写回答
写回答
-
这应该工作:
df = pd.DataFrame({'ID': ['A', 'A', 'A', 'B', 'B'], 'Timestamp': ['2019-01-01 00:01', '2019-01-01 00:04', '2019-01-01 00:06', '2019-01-03 12:35', '2019-01-04 13:35'], 'Serial': ['F', 'F', 'F', 'G', 'G']}) df['Timestamp'] = pd.to_datetime(df['Timestamp']) print(df) ID Timestamp Serial 0 A 2019-01-01 00:01:00 F 1 A 2019-01-01 00:04:00 F 2 A 2019-01-01 00:06:00 F 3 B 2019-01-03 12:35:00 G 4 B 2019-01-04 13:35:00 Gans = df.groupby(['ID','Serial'])['Timestamp'].agg(['min','max']).reset_index() ans['hr_diff'] = ans['max'].dt.hour - ans['min'].dt.hour ans['min_diff'] = ans['max'].dt.minute - ans['min'].dt.minute print(ans) ID Serial min max hr_diff min_diff 0 A F 2019-01-01 00:01:00 2019-01-01 00:06:00 0 5 1 B G 2019-01-03 12:35:00 2019-01-04 13:35:00 1 0ans = df.groupby(['ID','Serial'])['Timestamp'].agg(min='min', max='max', diff_hr=lambda x: x.max().hour - x.min().hour, diff_min=lambda x: x.max().minute - x.min().minute ) ans.reset_index() ID Serial min max diff_hr diff_min 0 A F 2019-01-01 00:01:00 2019-01-01 00:06:00 0 5 1 B G 2019-01-03 12:35:00 2019-01-04 13:35:00 1 02019-12-27 10:28:18赞同 展开评论 打赏
版权声明：本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
相关问答
问答排行榜
最热
最新
推荐问答
相关文章
相关电子书
更多
