Question

我正在寻找最好的pythonic方法，将每小时之后彼此跟随的值的总和进行分组。示例：我有以下带有“日期”和“降雨”列的数据框，并添加了所需结果的示例：

        date        rainfall    RE
    31/12/17 23:00  0.88    None
    01/01/18 00:00  0.38    1.26
    01/01/18 01:00  0       None
    01/01/18 02:00  0.22    0.22
    01/01/18 03:00  0       None
    01/01/18 04:00  0       None
    01/01/18 13:00  0       None
    01/01/18 14:00  0       None
    01/01/18 15:00  0.55    0.55
    01/01/18 16:00  0       None
    01/01/18 17:00  1.31    1.31
    01/01/18 18:00  0       None
    01/01/18 19:00  0.49    0.49
    01/01/18 20:00  0       None
    01/01/18 21:00  0       None
    01/01/18 22:00  0       None
    01/01/18 23:00  0       None
    02/01/18 00:00  0.7     None
    02/01/18 01:00  0.22    None
    02/01/18 02:00  0.61    None
    02/01/18 03:00  0.42    1.95
    02/01/18 04:00  0       None
    02/01/18 05:00  1.69    1.69
    02/01/18 06:00  0       None
    02/01/18 07:00  0       None
    02/01/18 08:00  0       None

我希望清楚

非常感谢您的帮助，

雷米（Rémy）

Answer 1

如果我理解正确，那么您想要的是一笔总和。以下将输出两个期间“降雨”的滚动总和的熊猫系列

df['rainfall'].rolling(2).sum()

当然，您的DataFrame必须按照示例中显示的顺序进行排序。

将其添加为DataFrame的一部分将是：

df['rainfall_rolling_sum'] = df['rainfall'].rolling(2).sum()

EDIT1：

如果您只是想累计降雨的使用量，

df['rainfall_cumsum'] = df['rainfall'].cumsum()

函数cumsum()是累加和

EDIT2：

rf_not_zero = df['rainfall'] != 0
df['rainfall_accum'] = df['rainfall'].cumsum()-df['rainfall'].cumsum().where(~df_not_zero).ffill().fillna(0).astype(int)

Answer 2

这不是最好的方法，但是当您拥有大型数据帧时，这可能是一种简单的方法。（如果在开始或结束时下雨，在此示例中将忽略该警告。请参阅警告）

import pandas as pd
import numpy as np

# generate pseudo dataframe
rng = pd.date_range('1/1/2012', periods=20, freq='H')
rain = np.random.choice([0,0.5,1,2], size=20, p=[0.4,0.2,0.2,0.2])

df = pd.DataFrame()
df['data'] = rng
df['rain'] = rain

# convert rain to boolean
df['is_rain'] = df['rain'] > 0

# shift rain for one slot to recognice if the state has changed
data = list(df['is_rain'].values[0:-1])
shifted = [data[0]]
shifted.extend(data)
df['is_rain_next'] = shifted

# get start and endpoints of rain (the end has to be excluded! 
# it is always the next period, when it isn't raining anymore)
df['rain_start'] = df['is_rain'] < df['is_rain_next']
df['rain_end'] = df['is_rain'] > df['is_rain_next']

# this are the starts and ends you can use them for getting the groups from dataframe
df[df['rain_start']].index
df[df['rain_end']].index

警告：阵列的大小可能不同，这是由末尾和开始时的未知状态引起的。因此，请检查rain_end中的第一个元素是否小于rain_start中的第一个元素，是否可以删除它。另外，如果rain_start的最后一个元素大于rain_end的最后一个元素（我认为这是合乎逻辑的）

通过以下值对Python数据框进行分组

2 个答案: