pandas高级条件分组

Question

对于一个月的每一天(1-31)，我想要计算该天任何60分钟内发生的出行次数，因此，第一个条目是0:00，我想要获取0:00到1:00的出行次数，第二个条目是0:01，我想要获得0:01到1:01的出行次数。

而且必须在同一天内，所以从23:00开始，您不需要计算出行次数

这个怎么做groupby呢？

​

​

Answer 1

我将通过以下几个步骤完成此操作：

按拾取时间分组并计算每分钟发生了多少次行程(我假设您是基于拾取时间进行此操作)，将此dataframe称为by_minute

• cross
• by_minute本身(因此您有笛卡尔乘积)，过滤到两个拾取时间按(“左侧”)拾取时间满足您的数据的行，并将“右侧”行程的计数相加为

我相信您必须向by_minute添加一个虚拟列来促进连接。类似于：

by_minute['key'] = 1
joined = by_minute.merge(by_minute, on='key')

还有一些this question提到的其他选项。merge有一个suffixes参数(默认情况下，用('_x', '_y')来区分列名。

Answer 2

正如我在注释中所写的，据我所知，您正在寻找的不是groupby，而是每行上的某个操作。

我想出了使用apply的以下解决方案：

s = pd.to_datetime(df["pickup_datetime"])    # make sure the pickup column is datetime
r = s.apply(lambda x: np.sum(s.between(x, x + pd.Timedelta("1hr")) & (s.dt.dayofyear == x.dayofyear)))

让我们将其分解：

这将遍历每一行(apply)，并基于两个条件创建布尔掩码：

• 从当前代答时间起一小时内的所有代答时间。
• 与当前代答时间在同一日期(一年中的某一天)内的所有代答时间。

然后，我们将它们与AND运算(&)组合在一起。

这就创建了一个布尔数组，只要满足这两个条件，就可以使用True创建一个系列大小的布尔数组。

最后，我们对这个布尔数组求和(对于Numpy为np)，这相当于计算满足上述条件的条目的数量。