在 pandas 的日期级别基于 groupby 日期时间列创建一个新列答案

【问题标题】：create a new column based on groupby date time column at date level in pandas在 pandas 的日期级别基于 groupby 日期时间列创建一个新列
【发布时间】：2020-08-11 06:44:28
【问题描述】：

我有如下所示的数据框。

Doctor       Appointment           Booking_ID   
  A          2020-01-18 12:00:00     1 
  A          2020-01-18 12:30:00     2
  A          2020-01-18 13:00:00     3 
  A          2020-01-18 13:00:00     4
  A          2020-01-19 13:00:00     13
  A          2020-01-19 13:30:00     14 
  B          2020-01-18 12:00:00     5 
  B          2020-01-18 12:30:00     6 
  B          2020-01-18 13:00:00     7
  B          2020-01-25 12:30:00     6 
  B          2020-01-25 13:00:00     7
  C          2020-01-19 12:00:00     19 
  C          2020-01-19 12:30:00     20
  C          2020-01-19 13:00:00     21
  C          2020-01-22 12:30:00     20
  C          2020-01-22 13:00:00     21

从上面我想创建一个名为 Session 的列，如下所示。

预期输出：

Doctor       Appointment           Booking_ID   Session
  A          2020-01-18 12:00:00     1          S1
  A          2020-01-18 12:30:00     2          S1
  A          2020-01-18 13:00:00     3          S1
  A          2020-01-18 13:00:00     4          S1
  A          2020-01-29 13:00:00     13         S2
  A          2020-01-29 13:30:00     14         S2
  B          2020-01-18 12:00:00     5          S3
  B          2020-01-18 12:30:00     6          S3
  B          2020-01-18 13:00:00     17         S3
  B          2020-01-25 12:30:00     16         S4
  B          2020-01-25 13:00:00     7          S4
  C          2020-01-19 12:00:00     19         S5
  C          2020-01-19 12:30:00     20         S5
  C          2020-01-19 13:00:00     21         S5
  C          2020-01-22 12:30:00     29         S6
  C          2020-01-22 13:00:00     26         S6
  C          2020-01-22 13:30:00     24         S6

不同的医生和不同的约会日期应该不同（以天为单位）

我在下面尝试过

df = df.sort_values(['Doctor', 'Appointment'], ascending=True)


df['Appointment'] = pd.to_datetime(df['Appointment'])
dates = df['Appointment'].dt.date

df['Session'] = 'S' + pd.Series(dates.factorize()[0] + 1, index=df.index).astype(str)

但它正在考虑仅基于日期的会话。我也想考虑看医生。

【问题讨论】：

标签： pandas pandas-groupby

【解决方案1】：

使用idxmin 的另一种方法，结果略有不同：

df['Session'] = 'S' + (df.groupby(
    ['Doctor', df.Appointment.dt.date]
).transform('idxmin').iloc[:,0]+1).astype('str')

【讨论】：

【解决方案2】：

您可以使用sort_values 并检查日期中的diff 不为0 或医生与shift 的前一行不同，例如：

df = df.sort_values(['Doctor', 'Appointment'], ascending=True)
df['Session'] = 'S'+(df['Appointment'].dt.date.diff().ne(pd.Timedelta(days=0))
                     |df['Doctor'].ne(df['Doctor'].shift())).cumsum().astype(str)
print (df)
   Doctor         Appointment  Booking_ID Session
0       A 2020-01-18 12:00:00           1      S1
1       A 2020-01-18 12:30:00           2      S1
2       A 2020-01-18 13:00:00           3      S1
3       A 2020-01-18 13:00:00           4      S1
4       A 2020-01-19 13:00:00          13      S2
5       A 2020-01-19 13:30:00          14      S2
6       B 2020-01-18 12:00:00           5      S3
7       B 2020-01-18 12:30:00           6      S3
8       B 2020-01-18 13:00:00           7      S3
9       B 2020-01-25 12:30:00           6      S4
10      B 2020-01-25 13:00:00           7      S4
11      C 2020-01-19 12:00:00          19      S5
12      C 2020-01-19 12:30:00          20      S5
13      C 2020-01-19 13:00:00          21      S5
14      C 2020-01-22 12:30:00          20      S6
15      C 2020-01-22 13:00:00          21      S6

【讨论】：

【解决方案3】：

IIUC，这是groupby().numgroup()：

# convert to datetime
df.Appointment = pd.to_datetime(df.Appointment)

df['Session'] = 'S' + (df.groupby(['Doctor', df.Appointment.dt.date]).ngroup()+1).astype(str)

输出：

   Doctor         Appointment  Booking_ID Session
0       A 2020-01-18 12:00:00           1      S1
1       A 2020-01-18 12:30:00           2      S1
2       A 2020-01-18 13:00:00           3      S1
3       A 2020-01-18 13:00:00           4      S1
4       A 2020-01-19 13:00:00          13      S2
5       A 2020-01-19 13:30:00          14      S2
6       B 2020-01-18 12:00:00           5      S3
7       B 2020-01-18 12:30:00           6      S3
8       B 2020-01-18 13:00:00           7      S3
9       B 2020-01-25 12:30:00           6      S4
10      B 2020-01-25 13:00:00           7      S4
11      C 2020-01-19 12:00:00          19      S5
12      C 2020-01-19 12:30:00          20      S5
13      C 2020-01-19 13:00:00          21      S5
14      C 2020-01-22 12:30:00          20      S6
15      C 2020-01-22 13:00:00          21      S6

【讨论】：

我认为我们需要 dt.date 而不是 dt.day

【解决方案4】：

IIUC，Groupby.ngroup 和 Series.dt.date

df['Session'] = 'S' + (df.groupby(['Doctor',pd.to_datetime(df['Appointment']).dt.date])
                         .ngroup()
                         .add(1).astype(str))

   Doctor          Appointment  Booking_ID Session
0       A  2020-01-18-12:00:00           1      S1
1       A  2020-01-18-12:30:00           2      S1
2       A  2020-01-18-13:00:00           3      S1
3       A  2020-01-18-13:00:00           4      S1
4       A  2020-01-19-13:00:00          13      S2
5       A  2020-01-19-13:30:00          14      S2
6       B  2020-01-18-12:00:00           5      S3
7       B  2020-01-18-12:30:00           6      S3
8       B  2020-01-18-13:00:00           7      S3
9       B  2020-01-25-12:30:00           6      S4
10      B  2020-01-25-13:00:00           7      S4
11      C  2020-01-19-12:00:00          19      S5
12      C  2020-01-19-12:30:00          20      S5
13      C  2020-01-19-13:00:00          21      S5
14      C  2020-01-22-12:30:00          20      S6
15      C  2020-01-22-13:00:00          21      S6

【讨论】：