Эффективно вернуть определенные строки в панде df

Question

Я пытаюсь вернуть каждый элемент подряд, исходя из мест в Column D.

В данный момент я делаю это через df = df.loc[df['D'] == '#specific place'].

Это прекрасно работает, но если у меня 50 разных мест, этот код становится очень неэффективным.Я должен был бы изменить df = df.loc[df['D'] == '#another specific place'] 50 раз.Я бы сделал это, если бы места остались прежними, но каждый набор данных содержит разные места.

Есть ли более эффективный способ вернуть строки для каждого места?У меня есть отдельное df с каждым местом, которое я могу вернуть на list.Могу ли я использовать значения в этом списке для возврата функций в

import pandas as pd

places = ['Home','Away','Shops']

d = ({
    'C' : ['08:00:00','XX','08:10:00','XX','08:41:42','XX','08:50:00','XX', '09:00:00', 'XX','09:15:00','XX','09:21:00','XX','09:30:00','XX','09:40:00','XX'],
    'D' : ['Home','','Home','','Away','','Shops','','Away','','Shops','','Home','','Away','','Home',''],
    'E' : ['Num:','','Num:','','Num:','','Num:','','Num:', '','Num:','','Num:','','Num:', '','Num:', ''],
    'F' : ['1','','1','','1','','1','','1', '','2','','2','','1', '','2',''],   
    'A' : ['A','','A','','A','','A','','A','','A','','A','','A','','A',''],           
    'B' : ['Stop','','Res','','Stop','','Start','','Res','','Stop','','Res','','Start','','Start','']
    })

df = pd.DataFrame(data=d)

#Select desired place
Home = df.loc[df['D'] == 'Home']
Shops = df.loc[df['D'] == 'Shops']
Away = df.loc[df['D'] == 'Away']

Предполагаемый вывод:

    A      B         C     D     E  F
0   A   Stop  08:00:00  Home  Num:  1
2   A    Res  08:10:00  Home  Num:  1
12  A    Res  09:21:00  Home  Num:  2
16  A  Start  09:40:00  Home  Num:  2
6   A  Start  08:50:00  Shops  Num:  1
10  A   Stop  09:15:00  Shops  Num:  2
4   A   Stop  08:41:42  Away  Num:  1
8   A    Res  09:00:00  Away  Num:  1
14  A  Start  09:30:00  Away  Num:  1

Answer 1

Все, что вам нужно, это просто groupby (), а затем, вероятно, список исключенных / включенных уникальных элементов в столбце «D»:

df = pd.DataFrame(data=d)

df['C'] = pd.to_timedelta(df['C'], errors="coerce").dt.total_seconds()

places = ['Home','Away','Shops']

for d, dfg in df[df['D'].isin(places)].groupby('D'):
    # print out the processing place
    print('group:{}\n{}'.format(d, dfg))
    # do whatever you want on `dfg` and `d`
    # In your example, when d is 'Home', dfg is df.loc[df['D'] == 'Home']
    # below your code, just change `df` to `dfg`
    #Return start-stop times
    Stop = dfg.loc[df['B'] == 'Stop'].reset_index()['C']
    Start = dfg.loc[df['B'] == 'Start'].reset_index()['C']
    Res = dfg.loc[df['B'] == 'Res'].reset_index()['C']

    #return difference
    Start_diff = Start - Stop
    Res_diff = Res - Start

Answer 2

вы можете определить свои места, просматривая df ['B'] и идентифицируя непустую строку и сохраняя их в списке, например,

places = []
for i in df['B']:
    if i!="":places.append(i)
###now you can create a dict to save the differences
diff_result = {}
for i in places:
    Stop = df.loc[df['B'] == i].reset_index()['C']
    Start = df.loc[df['B'] == i].reset_index()['C']
    Res = df.loc[df['B'] == i].reset_index()['C']
    diff_result[i+"_diff"] = Res

теперь у вас есть словарь, заполненный требуемым результатом