Question

我有一个如下所示的HUGHE DataFrame（这只是一个说明问题的示例）：

id       timestamp target_time  interval                                                                   
1        08:00:00  10:20:00     (10-11] 
1        08:30:00  10:21:00     (10-11]
1        09:10:00  11:30:00     (11-12]
2        09:15:00  10:15:00     (10-11]
2        09:35:00  10:11:00     (10-11]
3        09:45:00  11:12:00     (11-12]
...

我想创建一个如下的系列：

interval timestamp unique_ids
(10-11]  08:00:00  1
         08:30:00  1
         09:15:00  1
         09:35:00  1
(11-12]  09:10:00  1  
         09:45:00  2

目标是针对每个时间间隔计算在其时间戳记的间隔内有多少个唯一ID对应于其target_time。请注意，每个ID的target_time可以在不同的时间戳上更改。例如，对于ID 1，间隔是从08:00:00到08:30:00的（10-11），但随后在09:10:00变为（11-12]。因此，在09： 15:00我不想在生成的系列中计算id 1。

我尝试了groupby->扩展-> np.unique方法，但是它没有提供我想要的结果：

df.set_index('timestamp').groupby('interval').id.expanding().apply(lambda x: np.unique(x).shape[0])

interval timestamp unique_ids
(10-11]  08:00:00  1
         08:30:00  1
         09:15:00  2
         09:35:00  2
(11-12]  09:10:00  1  
         09:45:00  2

关于如何解决此问题的任何提示？我想尽可能地利用熊猫例程，以减少计算时间，因为DataFrame的长度是1453076 ...

非常感谢！

Groupby扩展计数-在不同时间戳下更改组的元素

0 个答案: