Question

我有一个数据集：

df = pd.DataFrame({
    'service': ['a', 'a', 'a', 'b', 'c', 'a', 'a'],
    'status': ['problem', 'problem', 'ok', 'problem', 'ok', 'problem', 'ok'],
    'created': [
        datetime(2019, 1, 1, 1, 1, 0),
        datetime(2019, 1, 1, 1, 1, 10),
        datetime(2019, 1, 1, 1, 2, 0),
        datetime(2019, 1, 1, 1, 3, 0),
        datetime(2019, 1, 1, 1, 5, 0),
        datetime(2019, 1, 1, 1, 10, 0),
        datetime(2019, 1, 1, 1, 20, 0),
    ],
})

print(df.head(10))

  service   status             created
0       a  problem 2019-01-01 01:01:00  # -\
1       a  problem 2019-01-01 01:01:10  #   --> one group
2       a       ok 2019-01-01 01:02:00  # -/
3       b  problem 2019-01-01 01:03:00
4       c       ok 2019-01-01 01:05:00
5       a  problem 2019-01-01 01:10:00  # -\
6       a       ok 2019-01-01 01:20:00  # - --> one group

您会看到a服务更改状态problem-> ok（0、2个项目； 5、6个项目）。您还可以看到3，4项目没有更改（只有1条记录-没有组/块）。我需要创建下一个数据集：

  service  downtime_seconds
0       a        60  # `created` difference between 2 and 0
1       a       600  # `created` difference between 6 and 5

我可以通过iteration做到这一点：

for i in range(len(df.index)):
    # if df.loc[i]['status'] blablabla...

是否可以使用pandas而不使用iteration？也许有一种更优雅的方法？

谢谢。

Answer 1

在您的情况下，我们需要通过颠倒顺序和groupby来创建cumsum键，然后只需要在分组之前过滤df，将nunique与{{1}一起使用}

transform

熊猫按块分组

1 个答案: