比较数据框中的列并将其放入另一个

Question

我有两个这样的数据框：

df1:

     col1    col2          time
0    A        A_1          05:02:03
1    A        A_2          15:36:14
2    A        A_1          28:21:47
3    A        A_1          47:21:17
4    A        A_1          52:28:01
5    A        A_2          72:27:14

我想比较“时间”列中的时间是否为 24 但 48 但 72，并将这些结果放入另一个数据框，如下所示：

df2:

     col1    col2          time <24       24<time<48       48<time<72    time>72
0    A        A_1              1              2               1             NaN
1    A        A_2              1              NaN             NaN            1

所以，基本上我想要在这个 df2 中计算满足比较的文件数，例如“时间”列中有两个文件属于 A 和 A_1，时间

编辑： 感谢@Andreas 和@Nk03，当我有所有场景时它工作得很好，但是例如当我没有时间> 72 时它失败了，因为'time3':'time>72' 它没有被创建并且我得到一个错误说：

AttributeError: 'DataFrame' object has no attribute 'str'

我应该如何解决这个问题？当我有一个数据框并且它没有任何大于 72 的值或任何不满足其他比较时。假设我有一个这样的数据框。

df1:

     col1    col2          time
0    A        A_1          05:02:03
1    A        A_2          15:36:14
2    A        A_1          28:21:47
3    A        A_1          47:21:17
4    A        A_1          32:28:01
5    A        A_2          37:27:14

并且仍然有这个 df2 理想的输出：

   col1    col2          time <24       24<time<48       48<time<72   time>72
0    A        A_1              1              3             NaN        NaN
1    A        A_2              1              1             NaN        NaN

编辑2： 这是在您的答案中添加额外的行后我得到的错误：

df[list(set(d.values()).difference(df.columns))] = np.nan

Answer 1

如果需要，请修改time-bin：

df['time2'] = pd.cut(df.time.str.split(':').str[0].astype(int), bins=[-np.inf, 24, 48, 72, np.inf],
                     include_lowest=True, labels=['time <24', '24<time<48', '48<time<72', 'time>72'], right=False)
result = df.pivot_table(index=['col1', 'col2'],
                        columns='time2', aggfunc='count').reset_index()

Answer 2

您可以将时间除以 :，然后将小时除以 24 并四舍五入。之后，您可以旋转整个数据框。之后以您想要的方式重命名列。

df['day'] = (df['time'].str.split(':').str[0].astype(int)/24).astype(int)
df = df.pivot_table(index=['col1', 'col2'], columns=['day'], values=['time'], aggfunc='count').reset_index()

d = {'time0':'time <24', 'time1':'24<time<48', 'time2':'48<time<72', 'time3':'time>72'}
df.columns = [d.get(''.join(map(str, x)), ''.join(map(str, x))) for x in df.columns]

#   col1 col2  time <24  24<time<48  48<time<72  time>72
# 0    A  A_1       1.0         2.0         1.0      NaN
# 1    A  A_2       1.0         NaN         NaN      1.0

如果您想在之后进行安全检查以查看是否所有列都在其中，您可以将其用作最后一行：

for col in d.values():
    if col not in df.columns:
        df[col] = np.nan