我有一个由站点标识符代码(“usaf”)和日期组织的表面天气观测数据框(fzraHrObs)。 fzraHrObs 有几列天气数据。车站代码和日期(日期时间对象)如下所示:
usaf dat
716270 2014-11-23 12:00:00
2015-12-20 08:00:00
2015-12-20 12:00:00
716280 2015-12-19 08:00:00
2015-12-19 09:00:00
我想按站点将这些观测结果分组为“事件”,其中在上一次观测之后 6 小时内发生的观测结果计入同一事件。然后,我想将事件开始时间、结束时间和事件中的 obs 数量输出到数据帧。鉴于上面的示例数据,我希望输出看起来像这样:
usaf eventNum start end count
716270 1 2014-11-23 12:00:00 2014-11-23 12:00:00 1
2 2015-12-20 09:00:00 2015-12-20 12:00:00 2
716280 1 2015-12-19 08:00:00 2015-12-19 09:00:00 2
我目前正在使用 for/if 循环和字典来执行此操作,但正在努力将其切换到 pandas,因为它的效率更高。
我最初的想法是对按站分组的每一行数据进行比较,并在几小时内得到结果,所以我确实有一列“diff”来显示这一点。然而,我无法弄清楚如何获取事件开始/结束/持续时间而不恢复到丑陋的 for 和 if 循环。我猜测涉及 fzraHrObs[fzraHrObs['diff']>=6] 的内容也会涉及到?
最佳答案
您评论中的答案意味着很容易避免循环,因为您只需要回顾上一个事件。
df['new_event'] = df.groupby('usaf')['dat'].apply(lambda s: s.diff().dt.seconds > 6*3600)
输出:
usaf dat new_event
0 716270 2014-11-23 12:00:00 False
1 716270 2015-12-20 08:00:00 True
2 716270 2015-12-20 12:00:00 False
3 716280 2015-12-19 08:00:00 False
4 716280 2015-12-19 09:00:00 False
增加 True
值的事件计数:
df['event'] = df.groupby('usaf')['new_event'].cumsum().astype('int')
输出:
usaf dat new_event event
0 716270 2014-11-23 12:00:00 False 0
1 716270 2015-12-20 08:00:00 True 1
2 716270 2015-12-20 12:00:00 False 1
3 716280 2015-12-19 08:00:00 False 0
4 716280 2015-12-19 09:00:00 False 0
现在按事件分组,并使用 agg
应用多个函数,包括 first
和 last
来获取开始和结束日期:
df.groupby(['usaf', 'event'])['dat'].agg(['first', 'last', 'count'])
输出:
first last count
usaf event
716270 0 2014-11-23 12:00:00 2014-11-23 12:00:00 1
1 2015-12-20 08:00:00 2015-12-20 12:00:00 2
716280 0 2015-12-19 08:00:00 2015-12-19 09:00:00 2
剩下要做的就是清理索引!
关于python - 天气 "events"根据 Pandas 的时差进行分组,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/38885770/