python迭代循环遍历datafram的列

Question

在处理一个问题时，我用python编写了以下数据帧

    week    hour    week_hr     store_code  baskets
0   201616  106     201616106   505         0
1   201616  107     201616107   505         0
2   201616  108     201616108   505         0
3   201616  109     201616109   505         18
4   201616  110     201616110   505         0
5   201616  106     201616108   910         0
6   201616  107     201616106   910         0
7   201616  108     201616107   910         2
8   201616  109     201616108   910         3
9   201616  110     201616109   910         10

这里“hour”变量是“weekday”和“hour of shop”的concat，例如weekday是monday=1，hour of shop是6am，那么hour variable=106，同样的，cal_hr是一个周和小时的concat。我想得到那些我认为没有篮框趋势的行，即滚动3周的0篮数。在上面的例子中，我只得到前3行。i、 e.对于存储505，从106到108有1个篮子的连续循环。但我不想要第4、5、6行，因为即使连续3个小时有0个篮子，但这些小时实际上不是连续的。110->；106->；107。对于连续的小时数，它们应该在106-110的范围内。基本上，我想要所有的商店和相应的行，如果它有0篮子连续3小时在任何一天。虚拟输出

^{pr2}$

我可以在python中使用pandas和loops来完成这个任务吗？数据集需要按存储和小时进行排序。完全不熟悉python（

Answer 1

执行以下操作：

1. 按门店代码、周/小时排序
2. 按0筛选
3. 将减法存储在df['week_hr'][1:]之间。值df['week_hr'][:-1]。值之间，这样您就可以知道它们是否连续。在

4. 现在，您可以将组设置为连续，并根据需要进行过滤。在

   import numpy as np
   import pandas as pd
   
   # 1
   t1 = df.sort_values(['store_code', 'week_hr'])
   
   # 2
   t2 = t1[t1['baskets'] == 0]
   
   # 3
   continuous = t2['week_hr'][1:].values-t2['week_hr'][:-1].values == 1
   groups = np.cumsum(np.hstack([False, continuous==False]))
   t2['groups'] = groups
   
   # 4
   t3 = t2.groupby(['store_code', 'groups'], as_index=False)['week_hr'].count()
   t4 = t3[t3.week_hr > 2]
   print pd.merge(t2, t4[['store_code', 'groups']])
   

不需要循环！在

Answer 2

您可以解决：

1. 按门店代码、周/小时排序
2. 按0筛选
3. 按门店代码分组
4. 找到连续的

代码：

t1 = df.sort_values(['store_code', 'week_hr'])

t2 = t1[t1['baskets'] == 0]

grouped = t2.groupby('store_code')['week_hr'].apply(lambda x: x.tolist())    

for store_code, week_hrs in grouped.iteritems():
    print(store_code, week_hrs)
    # do something