比较一个数据帧中的元素，并使用 pandas 将输出放入另一个数据帧

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          32:28:01
5    A        A_2          37:27:14

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              3              NaN            NaN
1    A        A_2          1              1              NaN            NaN 

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”列中有三个文件属于 A 和 A_1，时间为 24

我从@Andreas 尝试了这段代码，但如果“时间”列中没有时间 4872:

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]

p.s 我把这个问题作为一个新问题，因为另一个问题被编辑了很多次

Answer 1

我们试试吧：

1. 将时间值转换为 TimeDelta 以获取天数
2. clip 确保值不超过 3 天
3. 使用pivot_table 然后清理列

import numpy as np
import pandas as pd

df = pd.DataFrame({'col1': {0: 'A', 1: 'A', 2: 'A', 3: 'A', 4: 'A', 5: 'A'},
                   'col2': {0: 'A_1', 1: 'A_2', 2: 'A_1', 3: 'A_1', 4: 'A_1',
                            5: 'A_2'},
                   'time': {0: '05:02:03', 1: '15:36:14', 2: '28:21:47',
                            3: '47:21:17', 4: '32:28:01', 5: '37:27:14'}})

df['days'] = (
    pd.to_timedelta(df['time']).dt.days  # Get Days from Time Delta
        .clip(lower=0, upper=3)  # Clip at 3 Days
)

time_cols = ['time < 24', '24 <= time < 48',
             '48 <= time < 72', 'time >= 72']
df = (
    df.pivot_table(index=['col1', 'col2'],
                   columns='days',
                   aggfunc='count',
                   fill_value=np.nan)
        .droplevel(0, 1)  # Remove Column Multi Index
        .reset_index()  # Reset index
        .rename_axis(None, axis=1)  # Remove Axis Name
        .rename(columns={i: v for i, v in enumerate(time_cols)})
)

# Add Missing Columns
df[list(set(time_cols).difference(df.columns))] = np.nan

# Reorder Columns
df = df[['col1', 'col2', *time_cols]]
print(df)

df:

  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