Подмножество фрейма данных панд со столбцами даты и времени - PullRequest
Новая
       8

Подмножество фрейма данных панд со столбцами даты и времени

0 голосов
/ 31 января 2019

После этого вопроса , где фрейм данных pandas подмножествен одной строковой переменной и одной датой-временем, используя idx.min, как мы можем подмножество двух переменных времени-даты?Для приведенного ниже примера фрейма данных, как бы мы поднастроили строки из class == C с датой minimum base_date и maximum date_2?[ответом будет строка 3]: 

print(example)
   slot_id class        day   base_date      date_2
0        1     A     Monday  2019-01-21  2019-01-24
1        2     B    Tuesday  2019-01-22  2019-01-23
2        3     C  Wednesday  2019-01-22  2019-01-24
3        4     C  Wednesday  2019-01-22  2019-01-26
4        5     C  Wednesday  2019-01-24  2019-01-25
5        6     C   Thursday  2019-01-24  2019-01-22
6        7     D    Tuesday  2019-01-23  2019-01-24
7        8     E   Thursday  2019-01-24  2019-01-30
8        9     F   Saturday  2019-01-26  2019-01-31

Для всего class == "C" с minimum base_date мы можем использовать: 

df.iloc[pd.to_datetime(df.loc[df['class'] == 'C', 'base_date']).idxmin()]

Однако, если бы у нас было 2 или более переменных датыпри таких условиях, как макс / мин, будет ли решение по индексу все еще практичным?Разве подмножество индекса с 2 или более переменными не подразумевает вложение df.iloc?Это единственный способ сделать подмножество с 2 или более переменными даты и времени?

Данные: 

print(example.to_dict())
{'slot_id': {0: 1, 1: 2, 2: 3, 3: 4, 4: 5, 5: 6, 6: 7, 7: 8, 8: 9}, 'class': {0: 'A', 1: 'B', 2: 'C', 3: 'C', 4: 'C', 5: 'C', 6: 'D', 7: 'E', 8: 'F'}, 'day': {0: 'Monday', 1: 'Tuesday', 2: 'Wednesday', 3: 'Wednesday', 4: 'Wednesday', 5: 'Thursday', 6: 'Tuesday', 7: 'Thursday', 8: 'Saturday'}, 'base_date': {0: datetime.date(2019, 1, 21), 1: datetime.date(2019, 1, 22), 2: datetime.date(2019, 1, 22), 3: datetime.date(2019, 1, 22), 4: datetime.date(2019, 1, 24), 5: datetime.date(2019, 1, 24), 6: datetime.date(2019, 1, 23), 7: datetime.date(2019, 1, 24), 8: datetime.date(2019, 1, 26)}, 'date_2': {0: datetime.date(2019, 1, 24), 1: datetime.date(2019, 1, 23), 2: datetime.date(2019, 1, 24), 3: datetime.date(2019, 1, 26), 4: datetime.date(2019, 1, 25), 5: datetime.date(2019, 1, 22), 6: datetime.date(2019, 1, 24), 7: datetime.date(2019, 1, 30), 8: datetime.date(2019, 1, 31)}}

Предварительная обработка данных: 

example = pd.DataFrame(example)
example['base_date'] = pd.to_datetime(example['base_date'].astype(str), format='%d%m%Y')
example['base_date'] = example['base_date'].dt.date
example['date_2'] = pd.to_datetime(example['date_2'].astype(str), format='%d%m%Y')
example['date_2'] = example['date_2'].dt.date

1 Ответ

0 голосов
/ 31 января 2019

Вы можете использовать transform

yourdf=example[example['base_date']==example.groupby('class')['base_date'].transform('min')]

Если только для столбцов C 

yourdf.loc[yourdf['class']=='C',:]

Также idxmin или idxmax будет возвращать только первый встреченный индексусловие min или max, поэтому при наличии нескольких значений max или min они по-прежнему показывают только один индекс

...