如何根据条件从不同的列组成一个组？

Question

我有一个数据框，看起来像这样：

    Air-line        City        Time        ID

0   easyJet         London      20:40       1
1   airberlin       Berlin      10:30       2
2   Emarite         Dubai       21:45       3
3   Qatar Airways   Newyork     10:30       4
4   easyJet         London      20:46       5
5   airberlin       Berlin      10:34       6
.
.
.
.
99   Qatar Airways   London      20:40     13
100   airberlin    Berlin        10:32     20

我想做的是，我使用groupby并根据列ID从列“AirLines”、“City”和“Time”组成一个组，以更改列ID中的值。因此，在AirLine、City和Time中具有相同值的行应该具有相同的ID。为此，我有以下代码：

df['ID'] = df.groupby(['Air-line','City','Time'])['ID'].transform('first') 

但问题是，我想更改代码，这样不仅要包括“Time”列中的确切值，还要包括+6或-6分钟之间的差值

我所期望的是：

    Air-line        City        Time        ID

0   easyJet         London      20:40       1
1   airberlin       Berlin      10:30       2
2   Emarite         Dubai       21:45       3
3   Qatar Airways   Newyork     10:30       4
4   easyJet         London      20:46       1
5   airberlin       Berlin      10:34       2
.
.
.
.
99   Qatar Airways   London      20:40       13
100   airberlin    Berlin         10:32       2

你能告诉我如何添加这个条件吗？任何帮助都将不胜感激。 非常感谢

Answer 1

您可以使用6分钟的步骤对time列进行分类，如下所示。 我在这里使用pandas.cut函数。 作为bins，我传递从pd.date_range检索到的一系列datetime对象。 在pd.cut中，我使用right=False包含区间左侧的点，并排除区间右侧的点

我使用了一个小数据帧作为示例，但您会明白这一点

import datetime

import pandas as pd


df = pd.DataFrame({
    'time': ['20:30', '20:33', '20:36', '20:40', '20:42'],
    'ID': [1, 2, 3, 4, 5],
})
df['time'] = pd.to_datetime(df['time'])

start = df['time'].min()
end = df['time'].max() + pd.Timedelta('6min')
bins = pd.date_range(start, end, freq='6T')

cut = pd.cut(df['time'], bins=bins, right=False)
df['time_category'] = cut

df['ID'] = df.groupby('time_category')['ID'].transform('first')

print(df)

输出

                 time  ID                               time_category
0 2021-02-03 20:30:00   1  [2021-02-03 20:30:00, 2021-02-03 20:36:00)
1 2021-02-03 20:33:00   1  [2021-02-03 20:30:00, 2021-02-03 20:36:00)
2 2021-02-03 20:36:00   3  [2021-02-03 20:36:00, 2021-02-03 20:42:00)
3 2021-02-03 20:40:00   3  [2021-02-03 20:36:00, 2021-02-03 20:42:00)
4 2021-02-03 20:42:00   5  [2021-02-03 20:42:00, 2021-02-03 20:48:00)

无日期装箱

还有另一种方法。 您提到需要避免在分组中使用日期。 不幸的是，我没有使用pandas内部结构来扩展解决方案。 但这可以通过另一种方式实现

让我们从00:00到23:54手动创建bins，并为它们分配密钥。 然后我们将使用categorize函数将相应的键分配给时间值。 注意，这里我创建了new_time列，它利用了time.strptime转换。 就是这个专栏，然后我对它进行分类

import itertools
from functools import partial
import time

import pandas as pd

bins = [
    time.strptime(f'{hour}:{minute}', '%H:%M')
    for hour, minute in itertools.product(range(24), range(0, 60, 6))
]

bins_mapping = {
    index: value
    for index, value in enumerate(sorted(bins))
}


def categorize(t, bins_mapping):
    for index, value in bins_mapping.items():
        if value > t:
            break
    return index


df = pd.DataFrame({
    'time': ['20:30', '20:33', '20:36', '20:40', '20:42'],
    'ID': [1, 2, 3, 4, 5],
})

df['new_time'] = df['time'].apply(lambda x: time.strptime(x, '%H:%M'))
df['time_category'] = df['new_time'].apply(
    partial(categorize, bins_mapping=bins_mapping)
)
df['ID'] = df.groupby('time_category')['ID'].transform('first')

print(df)

输出

    time  ID                           new_time  time_category
0  20:30   1  (1900, 1, 1, 20, 30, 0, 0, 1, -1)            206
1  20:33   1  (1900, 1, 1, 20, 33, 0, 0, 1, -1)            206
2  20:36   3  (1900, 1, 1, 20, 36, 0, 0, 1, -1)            207
3  20:40   3  (1900, 1, 1, 20, 40, 0, 0, 1, -1)            207
4  20:42   5  (1900, 1, 1, 20, 42, 0, 0, 1, -1)            208