熊猫数据框 Python |如何将一个单元格与复制的数据帧的另一个单元格进行比较？

Question

我有 2 个名称不同的相同数据帧（df_1 和 df_2）。

假设数据框有 2 列类别和时间。 例如。

Category	Time
A	2020-02-02 05:05:05.0000
A	2020-02-02 06:06:06.0000
A	2020-02-02 07:07:07.0000
B	2020-02-02 05:05:05.0000
B	2020-02-02 06:06:06.0000
C	2020-02-02 05:05:05.0000
C	2020-02-02 06:06:06.0000

我想要以下 if 条件： 如果 df_1 的类别与 df_2 的类别匹配，那么在一个新的数据帧中（列：类别、开始时间、结束时间），如果是 A 类别，我想放置第一个日期时间（2020-02-02 05:05:05.0000 ) 在 endtime 列中的 starttime 和 last datetime (2020-02-02 07:07:07.0000)。

最终结果新数据框：

Category	Start Time	EndTime
A	2020-02-02 05:05:05.0000	2020-02-02 07:07:07.0000
B	2020-02-02 05:05:05.0000	2020-02-02 06:06:06.0000
C	2020-02-02 05:05:05.0000	2020-02-02 06:06:06.0000

我怎样才能做到这一点？请帮忙。

Answer 1

原始答案的解决方案

pd.concat([df_1.groupby("CATEGORY").agg([min, max]),
           df_2.groupby("CATEGORY").agg([min, max])], 
        join="inner", axis=1).apply([min, max], axis=1)
    .rename(columns={"min":"START TIME", "max":"END TIME"})

说明

1. 首先，您按 CATEGORY 对每个 DataFrame 进行分组，以保持其每个值的最小值和最大值。这也会将索引设置为 CATEGORY。

   grouped_1 = df_1.groupby("CATEGORY").agg([min, max])
   grouped_2 = df_2.groupby("CATEGORY").agg([min, max])
   

2. 然后，您执行内部连接以仅保留 df_1 和 df_2 中的 CATEGOries。默认情况下，内部连接是在索引上完成的，这就是我们在这里想要的（我们原始 DataFrame 中的列 CATEGORY）。您水平连接，得到 4 列：每行两个最小值和两个最大值。

   grouped_both = pd.concat([grouped_1, grouped_2], join="inner", axis=1)
   

3. 您保留每行的最小值和最大值，并重命名列。

   final_df = grouped_both.apply([min, max], axis=1)
       .rename(columns={"min":"START TIME", "max":"END TIME"})
   

注意：我假设您想合并两个 DataFrame 的第一个和最后一个时间戳。 如果你真的想要从 df_1 开始并从 df_2 结束，那将是一个稍微不同的解决方案。

一个DataFrame并增加持续时间的解决方案

如果我理解正确，那么你不需要复制原始的DataFrame。

# Group the DataFrame by CATEGORY and keep the min and max values
# We also need to get rid of the newly created MultiIndex level "TIME"
joined_df = df_1.groupby("CATEGORY").agg([min, max])["TIME"]
# Keep only rows where the min is different than the max
joined_df = joined_df[joined_df["min"]!= joined_df["max"]]
# Calculate the time deltas between min and max
# then cast it to a number value of the minutes
joined_df["DURATION"] = (joined_df[ "max"]- joined_df["min"]).astype('timedelta64[m]')
# We rename the columns min and max
joined_df = joined_df.rename(columns={"min":"START TIME", "max":"END TIME"})