Question

我正在读取包含许多列的csv文件，其中之一是TOD（一天中的时间）。某些事件会在午夜之前结束，而不是回滚到00:00的时间只会持续增加到24:00以后。例如23：59：50、24：00：01、24：00：10，...） EntryTOD被解析为字符串。

我想应用一个简单的逻辑，即时间大于24，只需减去24小时即可。这是我的代码：

for row in f2.itertuples():
    # Fix times > 24h
    if int(row.EntryTOD[0:2]) >= 24:
        actualTime =  int(row.EntryTOD[0:2]) - 24
        f2.EntryTOD[row.Index-1] = str(actualTime) + row.EntryTOD[2:]

此代码有效，但对于80k +行来说有点慢。运行大约需要30-40秒。

我的问题是：

1）有更快的方法吗？

2）另外，由于我对Python不太了解，还有没有更优雅的方法？它可能仍涉及遍历整个专栏，但我感觉可以用一行代码完成

先谢谢您

Guido

解决方案：感谢Rene：

f2.EntryTOD = f2.EntryTOD.apply(lambda x: str(int(x.split(':')[0])-24)+x[2:] if int(x.split(':')[0]) > 23 else x)

这是非常快的单线！

Answer 1

我认为这就是您想要的：

# Sample df
data = [
    ['25:22:22', 1, 5],
    ['01:01:01', 36, 2]
]
cols = ['EntryTOD', 'two', 'three']

df = pd.DataFrame(data, columns = cols)

df

    EntryTOD    two three
0   25:22:22    1   5
1   01:01:01    36  2

解决方案：

df['hour'] = (df['EntryTOD'].str[0:2]).astype(int)

df.loc[
    df.hour >= 24, 'hour'
] = df.loc[df.hour >= 24, 'hour'] - 24

# Edit EntryTOD variable
for i in range(df.shape[0]):
    df.EntryTOD.iloc[i] = df.EntryTOD.iloc[i].replace(
        df['EntryTOD'].str[0:2].iloc[i], '0'+df['hour'].astype(str).iloc[i]
    )

输出：

    EntryTOD    two three   hour
0   01:22:22    1    5      1
1   01:01:01    36   2      1

Answer 2

您可以尝试：

f2 = pd.DataFrame(['23:59', '23:59:59', '24:00', '24:01', '25:25:25'], columns=['TOD'])
f2.TOD.apply(lambda x: f"{int(x.split(':')[0])-24}:{x.split(':')[1]}" if int(x.split(':')[0]) > 23 else x)

结果：

0       23:59
1    23:59:59
2        0:00
3        0:01
4        1:25
Name: TOD, dtype: object

如何通过优雅的编码更快地将一些逻辑应用于数据框列

2 个答案: