Question

我是Python和Pandas的新手，我已经在数据库表中提取了15个不同的日期时间列。我的任务是通常按行中的最新值到最新值对这些列进行排序。但是，数据不干净;有时，如果A栏的日期在第0行的B列日期之前，A将出现在第1行的B之后。

我编写了一些函数（为简单起见，在这里进行了编辑），通过计算A之前和之后B中日期的百分比来比较两列，然后根据该百分比对列进行排序：

def get_percentage(df, df_subset):
    return len(df_subset)/float(len(df))    

def duration_report(df, earlier_column, later_column):   
    results = {}
    td = df[later_column] - df[earlier_column]
    results["Before"] = get_percentage(df, df.loc[td >= pd.Timedelta(0)])
    results["After"] = get_percentage(df, df.loc[td <= pd.Timedelta(0)])
    ind = "%s vs %s" % (earlier_column, later_column)
    return pd.DataFrame(data=results, index=[ind])

def order_date_columns(df, col1, col2):
    before = duration_report(df, col1, col2).Before.values[0]
    after = duration_report(df, col1, col2).After.values[0]
    if before >= after:
        return [col1, col2]
    else:
        return [col2, col1]

上述代码的目标是以编程方式实现以下内容：

如果Col A日期在Col B日期50 +％的时间之前到来，则Col A应该在Col B的最早到最晚的datetime列的列表之前。

order_date_columns()函数成功地将两列排序为正确的顺序，但如何将此排序一次应用于15+列？我已经查看了df.apply()，lambda和map()，但还没有能够解决这个问题。

任何帮助（代码清晰度/效率）都将不胜感激！

Answer 1

如果您不介意使用一些快捷方式并使用每个日期列的中位数，这应该有效：

def order_date_columns(df, date_columns_to_sort):
    x = [(col, df[col].astype(np.int64).median()) for col in date_columns_to_sort]
    return [x[0] for x in sorted(x, key=lambda x: x[1])]

Answer 2

由于您使用的是Python 2.7，因此可以使用<script src="https://cdnjs.cloudflare.com/ajax/libs/d3/3.4.11/d3.min.js"></script> <svg width="1000" height="1000" id="this_svg"> <rect x="0" y="0" width="100" height="100" fill="blue" data-color="red"> </rect> <rect x="0" y="100" width="100" height="100" fill="green" data-color="purple"></rect> </svg>关键字参数cmp。要按照您要查找的顺序获取列名称，我会执行以下操作：

sorted

我确信有更多的Pythonic方法可以做到，但这应该有效。请注意，对于Python 3，您可以使用cmp_to_key实用程序。

如何在Pandas数据框中按行值对日期时间列进行排序？

2 个答案: