如何在Pandas中添加基于组的时间序列列？

Question

link

上面是一个链接，指向我正在使用python修改的CSV文件的示例，我需要添加一个时间列，如果前一行的日期匹配，该时间列将增加1

如果日期更改，时间将从8:00:00重新开始

此外，如果“PL Seq”从G*变为H*，则时间也将从8开始

我想我已经记下了逻辑，只是很难把它写下来

在df“时间”中添加一列 将第一个“时间”值设置为8:00:00

读取df中的每一行

如果日期值=上一行的日期值，pl seq值第一个字符=第一个字符，则将时间值设置为时间+1

否则将时间值设置为时间

*请注意，我已经有了更改订单格式和目标状态日期的代码

当前

MODELCHASS,Prod Date,PL Seq
M742-021167,20200917,G0005
M359-020535,20200917,G0010
M742-022095,20200917,G0015
M220-001083,20200918,G0400
M742-022390,20200918,G0405
M907-004747,20200918,H0090
M934-005904,20200918,H0095

期望

MODELCHASS,Prod Date,PL Seq,Time
M742 021167,2020-09-17T,G0005,8:00:00
M359 020535,2020-09-17T,G0010,8:00:01
M742 022095,2020-09-17T,G0015,8:00:02
M220 001083,2020-09-18T,G0400,8:00:00
M742 022390,2020-09-18T,G0405,8:00:01
M907 004747,2020-09-18T,H0090,8:00:00
M934 005904,2020-09-18T,H0095,8:00:01

@Trenton如果H订单与G订单的日期相同，我们是否可以修改此选项 比如说

第6行中的当前编辑

MODELCHASS,Prod Date,PL Seq
M742-021167,20200917,G0005
M359-020535,20200917,G0010
M742-022095,20200917,G0015
M220-001083,20200918,G0400
M742-022390,20200918,G0405
M907-004747,20200917,H0090
M934-005904,20200917,H0095

预期编辑

MODELCHASS,Prod Date,PL Seq,Time
M742 021167,2020-09-17T,G0005,8:00:00
M359 020535,2020-09-17T,G0010,8:00:01
M742 022095,2020-09-17T,G0015,8:00:02
M220 001083,2020-09-18T,G0400,8:00:00
M742 022390,2020-09-18T,G0405,8:00:01
M907 004747,2020-09-17T,H0090,8:00:00
M934 005904,2020-09-17T,H0095,8:00:01

Answer 1

• 将'Prod Date'列转换为日期时间
• 按'Prod Date'和'PL Seq'对数据帧进行排序，因此'df'的加入顺序将与time_seq的加入顺序相同
• 答案的主要部分是用.groupby和.apply创建一个DateRange列表
• .groupby{}和{}的第一个元素
  • df.groupby(['Prod Date', df['PL Seq'].str[0]])
• .apply(lambda x: (pd.date_range(start=x.values[0] + pd.Timedelta(hours=8), periods=len(x), freq='s')).time)
  • 对于每个组，使用x中的第一个值作为start：x.values[0]
    • 在此日期之前，添加一个8小时的Timedelta，以获取08:00:00
  • periods的数量为len[x]
  • freq是's'，持续几秒钟
  • 这将创建一个DateRange，从中使用.time提取时间

import pandas as pd

# setup test dataframe
data = {'MODELCHASS': ['M742-021167', 'M359-020535', 'M742-022095', 'M220-001083', 'M742-022390', 'M907-004747', 'M934-005904'],
        'Prod Date': [20200917, 20200917, 20200917, 20200918, 20200918, 20200918, 20200918],
        'PL Seq': ['G0005', 'G0010', 'G0015', 'G0400', 'G0405', 'H0090', 'H0095']}

df = pd.DataFrame(data)

# convert Prod Date to a datetime column
df['Prod Date'] = pd.to_datetime(df['Prod Date'], format='%Y%m%d')

# sort the dataframe by values so the order will correspond to the groupby order
df = df.sort_values(['Prod Date', 'PL Seq']).reset_index(drop=True)

# groupby Prod Date and the first character of PL Seq
# create a DateRange sequence for each group
# reshape the dataframe
time_seq = (df.groupby(['Prod Date', df['PL Seq'].str[0]])['Prod Date']
            .apply(lambda x: (pd.date_range(start=x.values[0] + pd.Timedelta(hours=8), periods=len(x), freq='s')).time)
            .reset_index(name='time_seq')
            .explode('time_seq')
            .reset_index(drop=True))

# join the time_seq column to df
df_new = df.join(time_seq.time_seq)

# display(df_new)
    MODELCHASS  Prod Date PL Seq  time_seq
0  M742-021167 2020-09-17  G0005  08:00:00
1  M359-020535 2020-09-17  G0010  08:00:01
2  M742-022095 2020-09-17  G0015  08:00:02
3  M220-001083 2020-09-18  G0400  08:00:00
4  M742-022390 2020-09-18  G0405  08:00:01
5  M907-004747 2020-09-18  H0090  08:00:00
6  M934-005904 2020-09-18  H0095  08:00:01