我希望根据starttime和endcolumn中的值来“扩展”日期范围。在
如果一个记录的任何部分出现在前一个记录中,我希望返回一个starttime,它是两个starttime记录中的最小值,endtime是这两个endtime记录中的最大值。在
这些将按订单id分组
Order starttime endtime RollingStart RollingEnd
1 2015-07-01 10:24:43.047 2015-07-01 10:24:43.150 2015-07-01 10:24:43.047 2015-07-01 10:24:43.150
1 2015-07-01 10:24:43.137 2015-07-01 10:24:43.200 2015-07-01 10:24:43.047 2015-07-01 10:24:43.200
1 2015-07-01 10:24:43.197 2015-07-01 10:24:57.257 2015-07-01 10:24:43.047 2015-07-01 10:24:57.257
1 2015-07-01 10:24:57.465 2015-07-01 10:25:13.470 2015-07-01 10:24:57.465 2015-07-01 10:25:13.470
1 2015-07-01 10:24:57.730 2015-07-01 10:25:13.485 2015-07-01 10:24:57.465 2015-07-01 10:25:13.485
2 2015-07-01 10:48:57.465 2015-07-01 10:48:13.485 2015-07-01 10:48:57.465 2015-07-01 10:48:13.485
因此,在上述示例中,订单1的初始范围为2015-07-01 10:24:43.047到2015-07-01 10:24:57.257,然后是2015-07-01 10:24:57.465到2015-07-01 10:25:13.485
注意,虽然starttimes是有序的,但结束时间并不一定是由于数据的性质(有短期事件和长期事件)
最后,我只需要每个orderid的最后一条记录,滚动开始组合(因此在本例中,最后两条记录
我试过了
^{pr2}$(这显然不包括订单id)
但我收到的错误是
ValueError: The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all().
任何想法都将不胜感激
要复制的代码如下:
from io import StringIO
import io
text = """Order starttime endtime
1 2015-07-01 10:24:43.047 2015-07-01 10:24:43.150
1 2015-07-01 10:24:43.137 2015-07-01 10:24:43.200
1 2015-07-01 10:24:43.197 2015-07-01 10:24:57.257
1 2015-07-01 10:24:57.465 2015-07-01 10:25:13.470
1 2015-07-01 10:24:57.730 2015-07-01 10:25:13.485
2 2015-07-01 10:48:57.465 2015-07-01 10:48:13.485"""
df = pd.read_csv(StringIO(text), sep='\s{2,}', engine='python', parse_dates=[1, 2])
df['RollingStart'] = np.where((df['endtime'] >= df['RollingStart'].shift()) & (df['RollingEnd'].shift()>= df['start']), min(df['starttime'],df['RollingStart']),df['starttime'])
df = pd.read_csv(StringIO(text), sep='\s{2,}', engine='python', parse_dates=[1, 2])
df['RollingStart']=df['starttime']
df['RollingEnd']=df['endtime']
df['RollingStart'] =
np.where((df['endtime'] >= df['RollingStart'].shift()) & (df['RollingEnd'].shift()>= df['starttime']),min(df['starttime'],df['RollingStart']),df['starttime'])
错误是:
Traceback (most recent call last):
File "<stdin>", line 2, in <module>
File "C:\Anaconda3\lib\site-packages\pandas\core\generic.py", line 731, in __nonzero__
.format(self.__class__.__name__))
ValueError: The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all().
谢谢
试试这个:
版本1
版本2。在
^{pr2}$看起来您试图根据尚未设置的值返回值
df['start'] =...conditions... df['start'].shift()
在我看来,你想给一个熊猫一无所知的专栏设置一个条件。在
如果您只是尝试将“start”值设置为这些列中的最新时间,请尝试使用或语句构建语句,或者创建一个临时数组并使用max(如果您只是试图获取最新时间)
df['start'] = np.where(max(df['enddatetime'],df['startdatetime'],))
如果上面的方法是错误的,你有没有代码来复制这个df,这样我就可以看到是否有同样的错误?在
相关问题 更多 >
编程相关推荐