我正在处理由同一天/日期的不同时间组成的数据集。不同的时间代表给定事件的发生。除了时间之外,日期也在另一列中给出(有关更多详细信息,请参见下面的数据片段)。
为了进一步的数据处理,我需要将不同的时间与日期结合起来以获得完整的日期时间戳。幸运的是,我能够通过像这样实现嵌套的 .apply()
调用来实现所需的输出:
import io
import pandas as pd
DATA_STRING = """
date event_1 event_2 event_3
2019-12-16 14:01:00 14:27:00 14:47:00
2020-01-16 13:47:00 14:08:00 14:28:00
2020-01-20 12:02:00 12:23:00 12:42:00
"""
TIME_COLUMNS = ['event_1', 'event_2', 'event_3']
def combine_timestamp(row):
date = row['date']
times = row[TIME_COLUMNS]
return times.apply(lambda t: pd.Timestamp.combine(date, t.time()))
file_like = io.StringIO(DATA_STRING)
df = pd.read_csv(file_like, sep='\s+')
df['date'] = pd.to_datetime(df['date'])
df[TIME_COLUMNS] = df[TIME_COLUMNS].apply(pd.to_datetime)
# --> timestamps with date set to today (not a problem as time is relevant only)
df[TIME_COLUMNS] = df.apply(combine_timestamp, axis='columns')
print(df)
打印:
date event_1 event_2 event_3
0 2019-12-16 2019-12-16 14:01:00 2019-12-16 14:27:00 2019-12-16 14:47:00
1 2020-01-16 2020-01-16 13:47:00 2020-01-16 14:08:00 2020-01-16 14:28:00
2 2020-01-20 2020-01-20 12:02:00 2020-01-20 12:23:00 2020-01-20 12:42:00
但是,我想知道是否有更优雅的方法来实现它并避免这些嵌套的 .apply()` 调用。
最佳答案
我可以想到这样的事情:将带有事件列的日期添加为字符串,然后转换为日期时间:
df = pd.read_csv(file_like, sep='\s+')
out = df.assign(**(df['date'].add(' ').to_numpy()[:,None] + df.filter(like='event')))
out = out.apply(pd.to_datetime)
print(out)
date event_1 event_2 event_3
0 2019-12-16 2019-12-16 14:01:00 2019-12-16 14:27:00 2019-12-16 14:47:00
1 2020-01-16 2020-01-16 13:47:00 2020-01-16 14:08:00 2020-01-16 14:28:00
2 2020-01-20 2020-01-20 12:02:00 2020-01-20 12:23:00 2020-01-20 12:42:00
关于python - 避免嵌套 .apply(),我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/67127681/