对于时间序列分析,我必须删除同一日期发生的实例。但是,保留一些“已删除”信息并将其添加到剩余的“重复”实例中。下面是我的数据集的一部分的简短示例。
z = pd.DataFrame({'lat':[49.125,49.125], 'lon':[-114.125 ,-114.125 ], 'time':[np.datetime64('2005-08-09'),np.datetime64('2005-08-09')], 'duration':[3,6],'size':[4,10]})
lat lon time duration size
0 49.125 -114.125 2005-08-09 3 4
1 49.125 -114.125 2005-08-09 6 10
我想删除具有最低“持续时间”值的(重复)实例,但同时对“大小”变量求和。输出如下:
lat lon time duration size
0 49.125 -114.125 2005-08-09 6 14
有谁知道我该如何解决这样的问题?此外,对于另一个变量,我想取这些值的平均值。但我确实认为这个过程类似于对值求和。
编辑:到目前为止我知道如何获得最高的持续时间值以继续使用:
z.sort_values(by='duration', ascending=False).drop_duplicates(subset=['lat', 'lon','time'], keep='last')
最佳答案
如果这些是数据框中的所有列,您可以在时间列上使用 groupby
并传入每列的聚合来获取结果。
更具体地说,您可以通过保持 max()
持续时间来删除具有最低“持续时间”的(重复)实例,并且保持相同通过在尺寸列上使用 sum()
对“尺寸”变量进行时间求和。
res = z.groupby('time').agg({'lat':'first',
'lon':'first',
'duration':'max',
'size':'sum'}). \
reset_index()
res
time lat lon duration size
0 2005-08-09 49.125 -114.125 6 14
唯一的区别是“时间”现在是您的第一列,您可以快速修复。
关于python - 对(删除的)重复行的值求和 Pandas DataFrame,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/66888593/