Question

我做了一个游戏并得到了这样的玩家数据：

StartTime                    Id    Rank Score
2018-04-24 08:46:35.684000    aaa    1    280
2018-04-24 23:54:47.742000    bbb    2    176
2018-04-25 15:28:36.050000    ccc    1    223
2018-04-25 00:13:00.120000    aaa    4    79
2018-04-26 04:59:36.464000    ddd    1    346
2018-04-26 06:01:17.728000    fff    2    157
2018-04-27 04:57:37.701000    ggg    4    78

但是我希望按天分组，就像这样：

Date    2018/4/24    2018/4/25    2018/4/26    2018/4/27
ID        aaa            ccc          ddd            ggg
          bbb            aaa          fff            NaN

如何按日期与熊猫分组？

Answer 1

import pandas as pd

df = pd.DataFrame({'StartTime': ['2018-04-01 15:25:11', '2018-04-04 16:25:11', '2018-04-04 15:27:11'], 'Score': [10, 20, 30]})
print(df)

这会产生

   Score            StartTime
0     10  2018-04-01 15:25:11
1     20  2018-04-04 16:25:11
2     30  2018-04-04 15:27:11

现在我们基于StartTime列创建一个新列，该列仅包含日期：

df['Date'] = df['StartTime'].apply(lambda x: x.split(' ')[0])
print(df)

输出：

   Score            StartTime        Date
0     10  2018-04-01 15:25:11  2018-04-01
1     20  2018-04-04 16:25:11  2018-04-04
2     30  2018-04-04 15:27:11  2018-04-04

我们现在可以使用pd.DataFrame.groupby方法按新Date列的值对行进行分组。在下面的示例中，我首先对列进行分组，然后迭代它们以打印名称（此组的Date列的值）和达到的平均分数：

for name, group in df.groupby('Date'):
    print(name)
    print(group)
    print(group['Score'].mean())

给出：

2018-04-01
   Score            StartTime        Date
0     10  2018-04-01 15:25:11  2018-04-01
10.0
2018-04-04
   Score            StartTime        Date
1     20  2018-04-04 16:25:11  2018-04-04
2     30  2018-04-04 15:27:11  2018-04-04
25.0

编辑：由于您最初没有以表格格式提供数据框数据，因此我将其留作练习让您在我的答案中调整数据框; - ）

Answer 2

使用set_index和cumcount：

df.set_index([df['StartTime'].dt.floor('D'),
              df.groupby(df['StartTime'].dt.floor('D')).cumcount()])['Id'].unstack(0)

输出：

StartTime 2018-04-24 2018-04-25 2018-04-26 2018-04-27
0                aaa        ccc        ddd        ggg
1                bbb        aaa        fff        NaN

Answer 3

您可以使用cumcount按组对齐，然后使用concat连接系列。

# normalize to zero out time
df['StartTime'] = pd.to_datetime(df['StartTime']).dt.normalize()

# get unique days and make index count by group
cols = df['StartTime'].unique()
df.index = df.groupby('StartTime').cumcount()

# concatenate list comprehension of series
res = pd.concat([df.loc[df['StartTime'] == i, 'Id'] for i in cols], axis=1)
res.columns = cols

print(res)

  2018-04-24 2018-04-25 2018-04-26 2018-04-27
0        aaa        ccc        ddd        ggg
1        bbb        aaa        fff        NaN

<强>性能

对于较小的数据帧，请使用@ ScottBoston＆＃39; s more succinct solution。对于较大的数据帧，concat似乎比unstack更好地扩展：

def scott(df):
    df['StartTime'] = pd.to_datetime(df['StartTime'])
    return df.set_index([df['StartTime'].dt.floor('D'),
                  df.groupby(df['StartTime'].dt.floor('D')).cumcount()])['Id'].unstack(0)

def jpp(df):
    df['StartTime'] = pd.to_datetime(df['StartTime']).dt.normalize()
    df.index = df.groupby('StartTime').cumcount()
    res = pd.concat([df.loc[df['StartTime'] == i, 'Id'] for i in df['StartTime'].unique()], axis=1)
    res.columns = cols
    return res

df2 = pd.concat([df]*100000)

%timeit scott(df2)  # 1 loop, best of 3: 681 ms per loop
%timeit jpp(df2)    # 1 loop, best of 3: 271 ms per loop

如何按照约会与熊猫分组？

3 个答案: