Question

import os
import pandas as pd[enter image description here][1]
import datetime
df = pd.read_excel("m2.xlsx") # Imported excel file 
print(df)   # Printed the data output.

每列中存在0到9之间的数字。 Excel工作表中的日期（以列为单位）和时间（以行为单位）。现在，我想在下面的数据中显示8和0的值的时差

 Dates            04:00 A.M(time)      08:00A.M(time)
13-08-2018           8                   1                
14-08-2018           3                   4                
15-08-2018           8                   9                
16/08/2018           7                   7                
17/08/2018           9                   8                
18/08/2018           5                   5                
19/08/2018           0                   6                  
20/08/2018           6                   3                 
21/08/2018           2                   5               
22/08/2018           0                   6

所需结果如下：（应显示值的时差）值8的时差：

Date        Value    Time difference
13-08-2018    8         0 hrs 
15-08-2018    8        48 hrs
17-08-2018    8        100 hrs

值0的时差：

Date        Value     Time difference
19/08/2018    0         0 hrs
22/08/2018    0         72 hrs

要在python中加载的示例数据：

sample_data = [["13-08-2018",8,1],
            ["14-08-2018",3,4],
            ["15-08-2018",8,9],
            ["16/08/2018",7,7],
            ["17/08/2018",9,8],
            ["18/08/2018",5,5],
            ["19/08/2018",0,6],
            ["20/08/2018",6,3],
            ["21/08/2018",2,5],
            ["22/08/2018",0,6]]

df = pd.DataFrame(data=sample_data, columns=["Dates","04:00 A.M(time)","08:00 A.M(time)"])
df["Dates"] = pd.to_datetime(df["Dates"])

Answer 1

IIUC，您需要这样的功能：

QObject::connect(serial, SIGNAL(error(QSerialPort::SerialPortError)), this,
                 SLOT(handleError(QSerialPort::SerialPortError)));

void Widget::handleError(QSerialPort::SerialPortError error)
{
    if (error == QSerialPort::ResourceError)
    {
        QMessageBox::critical(this, tr("Critical Error"), serial->errorString());
        serial->close();
    }
}

说明：

第1步：使用melt将def Time_Difference(df,value): df_melt = df.melt(id_vars='Date',value_vars=['04:00 A.M','08:00 A.M']) df_melt['dummy_date'] = pd.to_datetime(df_melt['Date'].dt.strftime('%Y-%m-%d')+' '+\ df_melt.variable.str.extract("(\d+:\d+)")[0]) df_melt['Time difference'] = 0 mask = (df_melt['value']==value) df_melt.sort_values('dummy_date',inplace=True) df_melt.loc[mask,'Time difference'] = (df_melt.loc[mask,'dummy_date'].diff().fillna(0)/\ np.timedelta64(1,'h'))\ .cumsum().astype(str)+' hrs' return df_melt.loc[mask,['Date','value','Time difference']].reset_index(drop=True) df = pd.DataFrame({'Date':['13-08-2018','14-08-2018'],'04:00 A.M':[8,8],'08:00 A.M':[8,8]}) df['Date'] = pd.to_datetime(df['Date']) Time_Difference(df,8) Date value Time difference 0 2018-08-13 8 0.0 hrs 1 2018-08-13 8 4.0 hrs 2 2018-08-14 8 24.0 hrs 3 2018-08-14 8 28.0 hrs列变成单个列：

['04:00 A.M','08:00 A.M']

第2步：创建print(df.melt(id_vars='Date',value_vars=['04:00 A.M','08:00 A.M'])) Date variable value 0 2018-08-13 04:00 A.M 8 1 2018-08-14 04:00 A.M 8 2 2018-08-13 08:00 A.M 8 3 2018-08-14 08:00 A.M 8并添加dummy_date列的值：

variable

第3步：过滤给定的df_melt['dummy_date'] = pd.to_datetime(df_melt['Date'].dt.strftime('%Y-%m-%d')+' '+\ df_melt.variable.str.extract("(\d+:\d+)")[0]) print(df_melt['dummy_date']) 0 2018-08-13 04:00:00 1 2018-08-14 04:00:00 2 2018-08-13 08:00:00 3 2018-08-14 08:00:00 Name: dummy_date, dtype: datetime64[ns]并获取掩码：

value

第4步：最后，取差值并填充na值，然后除以timedelta64。在此之后，将累积总和并将数据类型更改为对象，并将hrs添加到值：

mask = (df_melt['value']==value)
print(mask)
0    True
1    True
2    True
3    True
Name: value, dtype: bool

值的时差？熊猫数据框

1 个答案: