Question

我希望做一些类似于 here 提出的问题的事情，但在我的情况下，时间增量是 2 年，即数据是在 2008、2010、2012 年等报告的，我只想知道每个站点的开始时间戳和结束时间戳，并计算两者之间的条目数。

输入数据：

<头>

Report_Year	PWSID
2008-01-01	A
2008-01-01	B
2008-01-01	C
2008-01-01	D
2010-01-01	A
2010-01-01	B
2010-01-01	C
2012-01-01	A
2012-01-01	B
2016-01-01	A

这会产生一个像这样的表格：

<头>

Report_Year	PWSID	计数	开始日期	结束日期
2008-01-01	A	4	2008	2016
2008-01-01	B	3	2008	2012
2008-01-01	C	2	2008	2010
2008-01-01	D	1	2008	2008

我想我需要使用如下函数：

from dateutil.relativedelta import relativedelta
def yearsago(years, from_date=None):
    if from_date is None:
        from_date = datetime.now()
    return from_date - relativedelta(years=years)

但是无法解决如何将其嵌入 groupby 函数中，就像您在这样的时间工作时可能会做的那样：

g=df.groupby('PWSID')['Report_Year'].diff().ne(pd.Timedelta(hours=1)).groupby(df['PWSID']).cumsum()

非常感谢！

Answer 1

在您的情况下，数据聚合似乎更简单 - 按 PWSID 分组并在三列中收集计数、最小年份和最大年份可以这样实现：

from io import StringIO
import pandas as pd

#recreating your data frame
data1 = """Report_Year     PWSID
2008-01-01     A
2008-01-01     B
2008-01-01     C
2008-01-01     D
2010-01-01     A
2010-01-01     B
2010-01-01     C
2012-01-01     A
2012-01-01     B
2016-01-01     A"""

df = pd.read_csv(StringIO(data1), delim_whitespace=True, parse_dates=["Report_Year"])


g = df.groupby("PWSID")["Report_Year"]
sum_df = g.agg(Count= "count").reset_index()
sum_df["Start_date"] = g.min().dt.year.values
sum_df["End_date"] = g.max().dt.year.values
print(sum_df)

输出：

  PWSID  Count  Start_date  End_date
0     A      4        2008      2016
1     B      3        2008      2012
2     C      2        2008      2010
3     D      1        2008      2008

P.S.：在单独的步骤中执行此操作感觉相当乏味，因此 I asked 以获得更好的解决方案。确实有一个：

...
df = pd.read_csv(StringIO(data1), delim_whitespace=True, parse_dates=["Report_Year"])

sum_df = df.assign(Year=pd.to_datetime(df['Report_Year']).dt.year).groupby('PWSID').agg(
    N=('PWSID', 'count'), Start_date=('Year', 'first'), End_date=('Year', 'last')).reset_index()
print(sum_df)

计算连续时间步长中的值数量 - 年

1 个答案: