Python преобразование («сумма») по данным timedelta - PullRequest
Новая
       9

Python преобразование («сумма») по данным timedelta

1 голос
/ 23 марта 2020

Я хотел бы сделать преобразование для данных, которые включают формат timedelta.

Мои данные выглядят так со столбцом Time как тип timedelta. 

    user                in               out location  overlap    Time
0    ron  12/21/2021 10:11  12/21/2016 17:50     home     0  4:19:03
1    ron  12/21/2016 13:26  12/21/2016 13:52   office     2  0:25:28
2  april   12/21/2016 8:12  12/21/2016 17:27   office     0  8:15:03
3  april  12/21/2016 18:54  12/21/2016 22:56   office     0  4:02:36
4   andy   12/21/2016 8:57  12/21/2016 12:15     home     0  2:59:40

В зависимости от пользователя и перекрытия, я хотел бы выполнить преобразование на «Time». Я сделал это: 

groups = sample.groupby('user')['Time']
flag = sample.groupby('user')['overlap'].transform('max')
sample.loc[:,'time_new'] = np.select([flag.eq(0), flag.isin([1,2])], [groups.transform('sum'), groups.transform('max')])

Но я получаю следующую ошибку: 

TypeError: Cannot cast scalar from dtype('<m8[ns]') to dtype('<m8') according to the rule 'same_kind'

Как правильно выполнить преобразование?

1 Ответ

1 голос
/ 23 марта 2020

Преобразуйте таймдельту в float, который считает количество секунд, и выполните математические вычисления. Затем, если хотите, конвертируйте обратно в timedelta

groups = sample['Time'].dt.total_seconds().groupby(sample['user'])

flag = sample.groupby('user')['overlap'].transform('max')
sample.loc[:,'time_new'] = np.select([flag.eq(0), flag.isin([1,2])], 
                                     [groups.transform('sum'), groups.transform('max')]) 

sample['time_new'] = pd.to_timedelta(sample['time_new'], unit='s')

    user                in               out location  overlap     Time time_new
0    ron  12/21/2021 10:11  12/21/2016 17:50     home        0 04:19:03 04:19:03
1    ron  12/21/2016 13:26  12/21/2016 13:52   office        2 00:25:28 04:19:03
2  april   12/21/2016 8:12  12/21/2016 17:27   office        0 08:15:03 12:17:39
3  april  12/21/2016 18:54  12/21/2016 22:56   office        0 04:02:36 12:17:39
4   andy   12/21/2016 8:57  12/21/2016 12:15     home        0 02:59:40 02:59:40
...