如何在迭代数据框列时生成多个单独的列表答案

【问题标题】：How do I generate multiple, separate lists while iterating over dataframe column如何在迭代数据框列时生成多个单独的列表
【发布时间】：2020-07-08 19:33:55
【问题描述】：

我正在使用一个数据框，该数据框有一列时间（格式为 YYYY/MM/DD/HH/MM/SS）和另一列风速 - 在几个月的过程中每秒收集一次。

我希望我的代码生成列表，将所有风速值分组到它们被拍摄的那一天。

day_number = 0
for index, row in df.iterrows():
  #NOTE: I only run the if clause on the first 78450 rows of data
  #because I get an error from the last line of code
  if index < 78450:
    if time[index][0:10] == time[index+1][0:10]:
      #[here I want to generate lists grouping my wind speed values]
    else:
      day_number += 1

有没有办法从单个 for 循环生成多个列表？或者是否有特定的 Pandas 函数可以做到这一点？

谢谢

【问题讨论】：

标签： python arrays dataframe

【解决方案1】：

使用 datetime 和 timedelta 生成一组合成数据，因此将一些值分散在几天内：

import datetime

df = pd.DataFrame({'date':[datetime.datetime.now()+datetime.timedelta(x*.5) for x in range(10)], 'wind_speed':[x for x in range(10)]})

df 看起来像：

    date                        wind_speed
0   2020-07-08 15:42:11.399609  1
1   2020-07-09 15:42:11.399609  2
2   2020-07-10 15:42:11.399609  3
3   2020-07-11 15:42:11.399609  4
4   2020-07-12 15:42:11.399609  5
5   2020-07-13 15:42:11.399609  6
6   2020-07-14 15:42:11.399609  7
7   2020-07-15 15:42:11.399609  8
8   2020-07-16 15:42:11.399609  9
9   2020-07-17 15:42:11.399609  10

按年、月、日列分组并将列表应用于wind_speed

df.groupby([df.date.dt.year, df.date.dt.month, df.date.dt.day])['wind_speed'].apply(list)

输出

date  date  date
2020  7     8          [1]
            9       [2, 3]
            10      [4, 5]
            11      [6, 7]
            12      [8, 9]
            13        [10]

摆脱多重索引

df.index.set_names(['year','month','day'], inplace=True)
df.reset_index()

【讨论】：

非常感谢！这看起来干净多了。