PANDAS - 如何在分组后获得经过的天数

Question

我是 python 和 pandas 的新手。 我很难按国家/地区列出自第一个案例发生以来经过的天数。类似于日期列，但我想要的不是日期，而是第一个案例以来的天数（自一个国家内首次发生病例/死亡/康复）

我已按国家和日期对数据进行分组，并对确诊病例、死亡病例和康复病例进行了汇总。 （因为原始数据有一些国家与地区分开）我还删除了没有死亡，康复或死亡的日子（我想从第一个病例出现起算）。

如果有任何帮助，我将不胜感激！提前致谢！

covid_data = covid_data.groupby(['Country/Region', 'Date'])[['Confirmed', 'Deaths', 'Recovered']].apply(sum)
covid_data.sort_values(by=['Country/Region', 'Date'])
covid_data.reset_index()
covid_data = covid_data[(covid_data.T != 0).any()] #eliminates rows with no suspected, no deaths and no cured

输出：

Country/Region  Date       Confirmed    Deaths  Recovered
Afghanistan     2020-02-24  1            0       0
                2020-02-25  1            0       0
                2020-02-26  1            0       0
                2020-02-27  1            0       0
                2020-02-28  1            0       0
                2020-02-29  1            0       0
                2020-03-01  1            0       0
                2020-03-02  1            0       0
                2020-03-03  1            0       0
                2020-03-04  1            0       0
(and many other countries)

Answer 1

让我们从对“初始”代码的一些更正开始：

1. 在groupby 之后，您的数据已经排序，所以 不需要covid_data.sort_values(by=['Country/Region', 'Date'])。 实际上这个指令并没有改变任何东西，因为你没有通过 inplace=True 参数。

2. 现在，当 Date 在索引中时，是时候消除全为零的行了 在其他列中，请运行covid_data = covid_data[(covid_data.T != 0).any()] 在重置索引之前。

3. covid_data.reset_index()只生成一个带有reset index的DataFrame， 但也不会将其保存在任何地方。您应该将其更正为：

   covid_data.reset_index(inplace=True)
   

现在让我们开始做主要任务。

假设源数据，经过上述初始操作，包含：

  Country/Region       Date  Confirmed  Deaths  Recovered
0           Aaaa 2020-02-24          2       1          0
1           Aaaa 2020-02-25          2       0          0
2           Aaaa 2020-02-26          1       0          0
3           Aaaa 2020-02-27          3       0          0
4           Aaaa 2020-02-28          4       0          0
5           Bbbb 2020-02-20          5       1          0
6           Bbbb 2020-02-21          7       0          0
7           Bbbb 2020-02-23          9       1          0
8           Bbbb 2020-02-24          4       0          0
9           Bbbb 2020-02-25          8       1          0

即2 个国家/地区。

要计算每个国家/地区的 Elapsed 列，请定义以下函数：

def getElapsed(grp):
    startDate = grp.iloc[0]
    return ((grp - startDate) / np.timedelta64(1, 'D')).astype(int)

然后运行：

covid_data['Elapsed'] = covid_data.groupby('Country/Region').Date.transform(getElapsed)

结果是：

  Country/Region       Date  Confirmed  Deaths  Recovered  Elapsed
0           Aaaa 2020-02-24          2       1          0        0
1           Aaaa 2020-02-25          2       0          0        1
2           Aaaa 2020-02-26          1       0          0        2
3           Aaaa 2020-02-27          3       0          0        3
4           Aaaa 2020-02-28          4       0          0        4
5           Bbbb 2020-02-20          5       1          0        0
6           Bbbb 2020-02-21          7       0          0        1
7           Bbbb 2020-02-23          9       1          0        3
8           Bbbb 2020-02-24          4       0          0        4
9           Bbbb 2020-02-25          8       1          0        5

Answer 2

对于任何有同样问题的人：

#aggregates de countries by date
covid_data = covid_data.groupby(['Country/Region', 'Date'])[['Confirmed', 'Deaths', 'Recovered']].apply(sum)

#sorts the countries by name and then by date
covid_data.sort_values(by=['Country/Region', 'Date'])

#eliminates rows with no suspected, no deaths and no cured
covid_data = covid_data[(covid_data.T != 0).any()] 

#get group by columns back
covid_data = covid_data.reset_index() 

#substructs the mim date from the current date (and returns the result in days - dt.days)
covid_data['Ellapsed Days'] = (covid_data['Date'] - covid_data.groupby('Country/Region')['Date'].transform('min')).dt.days 

编辑：贡献Valdi_Bo

#aggregates de countries by date
covid_data = covid_data.groupby(['Country/Region', 'Date'])[['Confirmed', 'Deaths', 'Recovered']].apply(sum)

#eliminates rows with no suspected, no deaths and no cured
covid_data = covid_data[(covid_data.T != 0).any()] 

#get group by columns back
covid_data.reset_index(inplace=True) 

#substructs the mim date from the current date (and returns the result in days - dt.days)
covid_data['Ellapsed Days'] = (covid_data['Date'] - covid_data.groupby('Country/Region')['Date'].transform('min')).dt.days