Question

我在Stata尝试了这个，但失败了。现在尝试Python / pandas - 我不熟悉的东西......

我在考勤数据上有一个数据框，每行都是带时间戳的进入或退出。它看起来像这样：

我想要的是在任何特定时间计算办公室中有多少人。我想设置counter，为每个条目（type=="O"）添加1，并为每个退出（type=="C"）减1。

我的Python尝试是这样的：

            df = pd.read_stata("some-data.dta")

            sort = df.sort(['date', 'att_time'])

            for i, day in enumerate(sort['date']):
                sort['counter'][i] = 0
                if type=="O":
                    sort['counter'][i] = sort['counter'][i-1] + 1
                elif type=="C":
                    sort['counter'][i] = sort['counter'][i-1] - 1

这引发了这个错误：

__main__:2：SettingWithCopyWarning：   尝试在DataFrame
的切片副本上设置值
请参阅文档中的警告：http://pandas.pydata.org/pandas-docs/stable/indexing.html#indexing-view-versus-copy

通过阅读其他SO帖子，我尝试将复制标记设置为False（sort.is_copy==False），但错误消息仍会弹出。另外，令人担忧的是，我注意到它可能没有迭代排序列表：

                for i, day in enumerate(sorted(sort['date'])):
                    print i, day, sort['date'][i]

day和sort['date'][i]，应该是相同的日期，不是。因此，即使我绕过i，我的SettingWithCopyWarning索引也似乎无法依赖。 HALP？

Answer 1

您可以使用cumsum来简化流程，这比手动循环所有行更快。

# artificial data
# =========================
df = pd.DataFrame('0 0 0 0 C 0 C 0 0 C 0 C'.split(), index=pd.date_range('2015-08-31 08:00:00', periods=12, freq='5min'), columns=['type'])
df

                    type
2015-08-31 08:00:00    0
2015-08-31 08:05:00    0
2015-08-31 08:10:00    0
2015-08-31 08:15:00    0
2015-08-31 08:20:00    C
2015-08-31 08:25:00    0
2015-08-31 08:30:00    C
2015-08-31 08:35:00    0
2015-08-31 08:40:00    0
2015-08-31 08:45:00    C
2015-08-31 08:50:00    0
2015-08-31 08:55:00    C


# processing
# ===================================
df['counter'] = df['type'].map({'0': 1, 'C': -1}).cumsum()
df

                    type  counter
2015-08-31 08:00:00    0        1
2015-08-31 08:05:00    0        2
2015-08-31 08:10:00    0        3
2015-08-31 08:15:00    0        4
2015-08-31 08:20:00    C        3
2015-08-31 08:25:00    0        4
2015-08-31 08:30:00    C        3
2015-08-31 08:35:00    0        4
2015-08-31 08:40:00    0        5
2015-08-31 08:45:00    C        4
2015-08-31 08:50:00    0        5
2015-08-31 08:55:00    C        4

Pandas：迭代df中的已排序行，实现计数器

1 个答案: