我对应该相当容易的事情有点意见。我的df如下所示:
Index ZeitstempelSBA Status1 counting
2018-01-02 12:20:00 SR_OPEN 56
2018-01-02 12:21:00 SR_OPEN 57
2018-01-02 12:22:00 SR_OPEN 58
2018-01-02 12:23:00 SR_OPEN 59
2018-01-02 12:24:00 SR_OPEN 60
2018-01-02 12:25:00 2018-01-02 12:25:05 SR_CLEAR 0
2018-01-02 12:26:00 SR_CLEAR 1
2018-01-02 12:27:00 2018-01-02 12:27:13 SR_CLOSE 0
2018-01-02 12:28:00 SR_CLOSE 1
2018-01-02 12:29:00 SR_CLOSE 2
2018-01-02 12:30:00 SR_OPEN 0
2018-01-02 12:31:00 SR_OPEN 1
2018-01-02 12:32:00 SR_OPEN 2
2018-01-02 12:33:00 SR_OPEN 3
2018-01-02 12:34:00 SR_OPEN 4
2018-01-02 12:35:00 2018-01-02 12:35:11 SR_CLEAR 0
2018-01-02 12:36:00 SR_CLEAR 1
2018-01-02 12:37:00 2018-01-02 12:37:17 SR_CLOSE 0
2018-01-02 12:38:00 SR_CLOSE 1
2018-01-02 12:39:00 SR_CLOSE 2
我试图计算整个数据帧中第一个清除间隔和第一个关闭间隔之间的时间差。我试过使用,但没有达到预期效果:
begin = df.loc[(df.Status1 == 'SR_CLEAR')&(df.counting == 0),'ZeitstempelSBA']
end = df.loc[(df.Status1 == 'SR_CLOSE')&(df.counting == 0),'ZeitstempelSBA']
end-begin
输出应该是每个SR_清除(计数==0)和SR_关闭(计数==0)情况之间的时间增量数组/列表
您可以使用
groupby.min
和.to_dict()
来代替.loc
相关问题 更多 >
编程相关推荐