Question

我正在使用Python，并具有一个带有日期时间索引，分组变量（gvar）和值变量（x）的数据框。我想找到两个组之间所有常见的日期时间。

我已经有了使用functools的解决方案，但是我正在寻找一种仅使用pandas功能（如果可能）的方法。

import functools
import pandas as pd

gvar =  ['A', 'A', 'A', 'B', 'B', 'B']
x = [100, 200, 100, 200 , 100, 200]
ind = ['2018-01-01','2018-01-02', '2018-01-03', '2018-01-03', '2018-01-04', '2018-01-05' ]
df = pd.DataFrame(data={'gvar':gvar, 'x': x},  index=pd.to_datetime(ind))

common_time = functools.reduce(lambda x, y: pd.np.intersect1d(x, y), [df[df.gvar == x].index
                                       for x in set(df.gvar)])

common_time
Out[39]: array(['2018-01-03T00:00:00.000000000'], dtype='datetime64[ns]')

欢迎提出所有建议。

Answer 1

这应该做到：

>>> df.reset_index().loc[df['gvar'].reset_index().drop_duplicates().duplicated('index'),'index'].tolist()

返回：

[Timestamp('2018-01-03 00:00:00')]

如果需要相应的组或值：

>>>df[df.index.isin(df.reset_index().loc[df['gvar'].reset_index().drop_duplicates().duplicated('index'),'index'].tolist())]

给你

           gvar    x
2018-01-03    A  100
2018-01-03    B  200

Answer 2

使用groupby.transform：


@Injectable( {
    providedIn: 'root'
} )


export class TracksService {
    protected request: number = 0;
    protected ipc : IpcRenderer;
    constructor( protected http: HttpClient ) {
        if ( ( <any>window ).require ) {
            try {
                this.ipc = ( <any>window ).require( "electron" ).ipcRenderer;
            } catch ( error ) {
                throw error;
            }
        } else {
            console.warn( "Could not load electron ipc" );
        }
    }

    getDataTable( dataTablesParameters : any) : Observable<any[]>{
        var id = this.request;
        this.request += 1;
        this.ipc.send( "getData" , id, dataTablesParameters);
        return new Observable<any[]>(observer => {
            this.ipc.once( "getData-" + id, ( event, arg ) => {
                dataTablesParameters.recordsTotal= arg.recordsTotal;
                dataTablesParameters.recordsFiltered=arg.recordsFiltered;
                observer.next(arg.data);
            });
        });
    }

}

df_filtered=df[df.groupby(level=0)['gvar'].transform('size').ge(2)]
print(df_filtered)

           gvar    x
2018-01-03    A  100
2018-01-03    B  200

在groupby中查找熊猫数据框索引的交集

2 个答案: