假设我有这个数据框。
import pandas as pd
data = {"Date_Time": ["2018-08-14 02:00:00", "2018-08-14 01:00:00", "2018-08-14 00:00:00", "2018-08-13 23:00:00", "2018-08-13 22:00:00", "2018-08-13 21:00:00", "2018-08-13 20:00:00"],
"Date": ["2018-08-14", "2018-08-14", "2018-08-14", "2018-08-13", "2018-08-13", "2018-08-13", "2018-08-13"],
"Duration":[3, 0, 0, 10, 2, 20, 1],
"value":[4, 3, 2, 1, 0, 23, 22],
"Remark":["e", "o", "k", "x", "c", "z", "a"]
}
df = pd.DataFrame.from_dict(data)
df
Date_Time Date Duration value Remark
0 2018-08-14 02:00:00 2018-08-14 3 4 e
1 2018-08-14 01:00:00 2018-08-14 0 3 o
2 2018-08-14 00:00:00 2018-08-14 0 2 k
3 2018-08-13 23:00:00 2018-08-13 10 1 x
4 2018-08-13 22:00:00 2018-08-13 2 0 c
5 2018-08-13 21:00:00 2018-08-13 20 23 z
6 2018-08-13 20:00:00 2018-08-13 1 22 a
我想每天累计。但是,我希望每天从22:00开始。因此,“值”列是对当天时间的引用。
或者我可以做
from datetime import timedelta
two_hours = pd.Timedelta(hours=2)
df["dummy_date"] = df["Date_Time"] + two_hours
df
Date_Time Date Duration value Remark dummy_date
0 2018-08-14 02:00:00 2018-08-14 3 4 e 2018-08-14 04:00:00
1 2018-08-14 01:00:00 2018-08-14 0 3 o 2018-08-14 03:00:00
2 2018-08-14 00:00:00 2018-08-14 0 2 k 2018-08-14 02:00:00
3 2018-08-13 23:00:00 2018-08-13 10 1 x 2018-08-14 01:00:00
4 2018-08-13 22:00:00 2018-08-13 2 0 c 2018-08-14 00:00:00
5 2018-08-13 21:00:00 2018-08-13 20 23 z 2018-08-13 23:00:00
6 2018-08-13 20:00:00 2018-08-13 1 22 a 2018-08-13 22:00:00
如果这样可以帮助您了解“ dummy_date”中显示的一天的计算方式。
但是,我真正想要的是我想每天基于“持续时间”列进行累计求和。因此,当“值”为0或“ dummy_date”列的午夜时,累积将每天开始。以下是我想要实现的理想输出。
Date_Time Date Duration value Remark cum_sum dummy_date
0 2018-08-14 02:00:00 2018-08-14 3 4 e 15 2018-08-14 04:00:00
1 2018-08-14 01:00:00 2018-08-14 0 3 o 12 2018-08-14 03:00:00
2 2018-08-14 00:00:00 2018-08-14 0 2 k 12 2018-08-14 02:00:00
3 2018-08-13 23:00:00 2018-08-13 10 1 x 12 2018-08-14 01:00:00
4 2018-08-13 22:00:00 2018-08-13 2 0 c 2 2018-08-14 00:00:00
5 2018-08-13 21:00:00 2018-08-13 20 23 z 21 2018-08-13 23:00:00
6 2018-08-13 20:00:00 2018-08-13 1 22 a 1 2018-08-13 22:00:00
第一行的cum_sum是第四行向上的持续时间之和,即2 + 10 + 0 + 0 + 3 = 15。
第二行是2 + 10 + 0 + 0 = 12。
第三行是2 + 10 + 0 = 12。
第三行是2 + 10 = 12。
第四行是2 = 2。
第五行是第六行和第五行的和,1 + 20 = 21,因为“值”是23,这被认为是另一天,或者可以从“ dummy_date”看到。
第六行是1。
我的尝试是使用熊猫的滚动。但是,我不知道如何将它设置为从新的一天开始重新开始。
df["cum_sum"] = df["Duration"].rolling(24, min_periods=1).sum()
df
答案 0 :(得分:2)
我认为需要在iloc[::-1]
列中用groupby
或sort_values
,然后用dates
在dummy_date
或Series
中用{{3 }}:
df["cum_sum"] = df["Duration"].iloc[::-1].groupby(df['dummy_date'].dt.date).cumsum()
print (df)
Date_Time Date Duration value Remark dummy_date \
0 2018-08-14 02:00:00 2018-08-14 3 4 e 2018-08-14 04:00:00
1 2018-08-14 01:00:00 2018-08-14 0 3 o 2018-08-14 03:00:00
2 2018-08-14 00:00:00 2018-08-14 0 2 k 2018-08-14 02:00:00
3 2018-08-13 23:00:00 2018-08-13 10 1 x 2018-08-14 01:00:00
4 2018-08-13 22:00:00 2018-08-13 2 0 c 2018-08-14 00:00:00
5 2018-08-13 21:00:00 2018-08-13 20 23 z 2018-08-13 23:00:00
6 2018-08-13 20:00:00 2018-08-13 1 22 a 2018-08-13 22:00:00
cum_sum
0 15
1 12
2 12
3 12
4 2
5 21
6 1
如果在输出中不需要dummy_date
:
two_hours = pd.Timedelta(hours=2)
dates = (df["Date_Time"] + two_hours).dt.date
df["cum_sum"] = df["Duration"].iloc[::-1].groupby(dates).cumsum()
print (df)
Date_Time Date Duration value Remark cum_sum
0 2018-08-14 02:00:00 2018-08-14 3 4 e 15
1 2018-08-14 01:00:00 2018-08-14 0 3 o 12
2 2018-08-14 00:00:00 2018-08-14 0 2 k 12
3 2018-08-13 23:00:00 2018-08-13 10 1 x 12
4 2018-08-13 22:00:00 2018-08-13 2 0 c 2
5 2018-08-13 21:00:00 2018-08-13 20 23 z 21
6 2018-08-13 20:00:00 2018-08-13 1 22 a 1
df = df.sort_values('Date_Time')
two_hours = pd.Timedelta(hours=2)
dates = (df["Date_Time"] + two_hours).dt.date
df["cum_sum"] = df["Duration"].groupby(dates).cumsum()
df = df.sort_index()
print (df)
Date_Time Date Duration value Remark cum_sum
0 2018-08-14 02:00:00 2018-08-14 3 4 e 15
1 2018-08-14 01:00:00 2018-08-14 0 3 o 12
2 2018-08-14 00:00:00 2018-08-14 0 2 k 12
3 2018-08-13 23:00:00 2018-08-13 10 1 x 12
4 2018-08-13 22:00:00 2018-08-13 2 0 c 2
5 2018-08-13 21:00:00 2018-08-13 20 23 z 21
6 2018-08-13 20:00:00 2018-08-13 1 22 a 1