Question

我想在groupby上执行自定义功能，例如，如果我的数据具有以下格式。

personid  jobid  start_date  end_date
1           1    2015-01-01  2016-01-30 
1           2    2016-01-01  2017-01-01

我想计算同一个人的两个不同工作的两个日期之间的重叠。使用

是明智的吗？

df.groupby(personid).agg(x)

但是，我将如何在函数x中引用不同记录的开始日期和结束日期。

代码的输出类似于

personid  overlap
1         30

Answer 1

我认为您需要使用groupby自定义函数，其中选择start和end日期时间的第一个和最后一个值，获取date_range，然后找到length numpy.intersect1d的交叉点：

def f(x):
    a = pd.date_range(x['start_date'].iat[0], x['end_date'].iat[0], unit='d')
    b = pd.date_range(x['start_date'].iat[-1], x['end_date'].iat[-1], unit='d')
    return pd.Series(len(np.intersect1d(a,b)), index=['overlap'])

df = df.groupby('personid').apply(f).reset_index()
print (df)
   personid  overlap
0         1      366
1         2        6

样品：

df = pd.DataFrame({'start_date': [pd.Timestamp('2015-01-01 00:00:00'), pd.Timestamp('2015-01-01 00:00:00'), pd.Timestamp('2015-01-01 00:00:00'), pd.Timestamp('2015-01-05 00:00:00')], 'personid': [1, 1, 2, 2], 'end_date': [pd.Timestamp('2016-01-30 00:00:00'), pd.Timestamp('2016-01-01 00:00:00'), pd.Timestamp('2015-01-25 00:00:00'), pd.Timestamp('2015-01-10 00:00:00')], 'jobid': [1, 2, 1, 2]})
print (df)
    end_date  jobid  personid start_date
0 2016-01-30      1         1 2015-01-01
1 2016-01-01      2         1 2015-01-01
2 2015-01-25      1         2 2015-01-01
3 2015-01-10      2         2 2015-01-05

将多个参数传递给pandas中的groupby函数

1 个答案: