python迭代循环遍历数据框的列

Question

正在处理一个问题，我在 python 中有以下数据框

    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

这里的“hour”变量是“weekday”和“hour of shop”的组合，例如工作日是星期一=1，商店的营业时间是早上 6 点，那么 hour 变量 = 106，同样 cal_hr 是星期和小时的组合。我想要获得那些我看到没有篮子趋势的行，即 连续 3 周 为 0 个篮子。在上述情况下，我只会得到前 3 行。即对于商店 505，有一个从 106 到 108 的 1 个篮子的连续循环。但我不想要行(4,5,6)，因为即使连续3小时有0个篮子，但这些时间实际上不是连续的。 110 -> 106 -> 107 。对于连续的小时数，它们应该在 106 - 110 的范围。。基本上我想要所有商店和相应的行，如果它在任何一天连续 3 小时有 0 个篮子。虚拟输出

    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

我可以使用 pandas 和循环在 python 中执行此操作吗？数据集需要按商店和时间排序。全新的 python (

Answer 1

执行以下操作:

1. 按 store_code、week_hr 排序
2. 按 0 筛选
3. 存储 df['week_hr'][1:].values-df['week_hr'][:-1].values 之间的减法，以便您了解它们是否连续。

4. 现在您可以根据需要为连续分组和过滤分组。

   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!