数据帧中Pandas的累积时间序列范围

Question

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

Answer 1

试试这个：

版本1

NaT = pd.NaT
df['Rolling2']     = np.where(df['starttime'].shift(-1) > df['endtime'], NaT,'drop')
df['Rolling2']     = df['Rolling2'].shift(1)
df['RollingStart'] = np.where(df['Rolling2']  =='drop',None,df['starttime'])
df['RollingStart'] = pd.to_datetime(df['RollingStart']).ffill()
df['RollingEnd']   = df['endtime']
del df['Rolling2']

版本2。在

^{pr2}$

Answer 2

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