- android - 多次调用 OnPrimaryClipChangedListener
- android - 无法更新 RecyclerView 中的 TextView 字段
- android.database.CursorIndexOutOfBoundsException : Index 0 requested, 光标大小为 0
- android - 使用 AppCompat 时,我们是否需要明确指定其 UI 组件(Spinner、EditText)颜色
我有一个 100+ 百万行的 df。我需要识别与时间段相关的任何重叠行,并将这些重叠行放入新的 df (df2) 中,并将它们从初始 df 中删除。我的代码可以正常工作,并根据 @PeterLeimbigler 的有用建议正确提供了最后两个 dfs。然而,这是一种获取答案的资源密集型方法,因为每次迭代都需要再次遍历整个 df。 177K 行大约需要 11 分 20 秒(这会有所不同,因为迭代的长度不同)。
df = pd.DataFrame({'Key': ['10003', '10003', '10003', '10003', '10003','10003','10034', '10034'],
'Num1': [12,13,13,12,13,13,16,13],
'Num2': [121,122,122,124,125,126,127,128],
'admit': [20120506, 20120508, 20120510,20121010,20121010,20121110,20120516,20120520],
'discharge': [20120515, 20120508, 20120512,20121016,20121023,20121111,20120520,20120522]})
df['admit'] = pd.to_datetime(df['admit'], format='%Y%m%d')
df['discharge'] = pd.to_datetime(df['discharge'], format='%Y%m%d')
初始 df:
Key Num1 Num2 admit discharge
0 10003 12 121 2012-05-06 2012-05-15
1 10003 13 122 2012-05-08 2012-05-08
2 10003 13 122 2012-05-10 2012-05-12
3 10003 12 124 2012-10-10 2012-10-16
4 10003 13 125 2012-10-10 2012-10-23
5 10003 13 126 2012-11-10 2012-11-11
6 10034 16 127 2012-05-16 2012-05-20
7 10034 13 128 2012-05-20 2012-05-22
这个 df 代表最终将被移动的列:
Key Num1 Num2 admit discharge flag
0 10003 12 121 2012-05-06 2012-05-15 move
1 10003 13 122 2012-05-08 2012-05-08 move
2 10003 13 122 2012-05-10 2012-05-12 move
3 10003 12 124 2012-10-10 2012-10-16 move
4 10003 13 125 2012-10-10 2012-10-23 move
5 10003 13 126 2012-11-10 2012-11-11
6 10034 16 127 2012-05-16 2012-05-20
7 10034 13 128 2012-05-20 2012-05-22
脚本:
#create new df
df2 = pd.DataFrame()
# Step 1: first find all 'Initial_overlap' rows,
df.loc[df.groupby(['Key']).apply(lambda x : (x['admit']<=x['admit'].shift(-1))&(x['discharge'] > x['admit'].shift(-1))).values,'flag']='Initial_Overlap'
#Step 2: then find first set of overlaps, then move those overlaps to df2, then drop from df1, iterate to the max number of rows with a group (since it could be the case that all rows are overlaps)
for item in range(df.groupby('Key')['Key'].count().max()):
df.loc[df.groupby(['Key']).apply(lambda x : (x['admit']>=x['admit'].shift(1))&(x['admit'] < x['discharge'].shift(1))).values,'flag']='Overlap'
moved_rows = df.loc[df['flag']=='Overlap',:]
df2 = df2.append(moved_rows)
df.drop(moved_rows.index, inplace=True)
#Step 3: after all iterations to find overlaps, then the INITIAL overlaps are moved to df2 and dropped from df1
moved_initial = df.loc[df['flag']=='Initial_Overlap',:]
df2 = df2.append(moved_initial)
df.drop(moved_initial.index, inplace=True)
在删除已识别的第一个重叠之后,循环再次重新分析所有行,但我认为有一种资源密集度较低的方法来识别这些行。有没有办法在迭代中移动/删除行,以便代码不必多次过滤数据帧(就像我的原始代码那样)?
最终两个预期结果:
df1
Key Num1 Num2 admit discharge flag
5 10003 13 126 2012-11-10 2012-11-11 0
6 10034 16 127 2012-05-16 2012-05-20 0
7 10034 13 128 2012-05-20 2012-05-22 0
df2
Key Num1 Num2 admit discharge flag
0 10003 12 121 2012-05-06 2012-05-15 Initial_overlap
1 10003 13 122 2012-05-08 2012-05-08 Overlap
2 10003 13 122 2012-05-10 2012-05-12 Overlap
3 10003 12 124 2012-10-10 2012-10-16 Initial_overlap
4 10003 13 125 2012-10-10 2012-10-23 Overlap
编辑:更新了 DF
df = pd.DataFrame({'Key': ['10003', '10003', '10003', '10003', '10003','10003','10003', '10003','2003'],
'Num1': [12,13,13,12,13,13,16,13,4],
'Num2': [121,122,122,124,125,126,127,128,128],
'admit': [20150119, 20150124, 20150206,20150211,20150220,20150304,20150407,20150422,20150407],
'discharge': [20150123, 20150202, 20150211,20150220,20150304,20150422,20120410,20120523,20150410]})
df['admit'] = pd.to_datetime(df['admit'], format='%Y%m%d')
df['discharge'] = pd.to_datetime(df['discharge'], format='%Y%m%d')
预期结果:
Key Num1 Num2 admit discharge flag
0 10003 12 121 2015-01-19 2015-01-23 NaN
1 10003 13 122 2015-01-24 2015-02-02 NaN
2 10003 13 122 2015-02-06 2015-02-11 NaN
3 10003 12 124 2015-02-11 2015-02-20 NaN
4 10003 13 125 2015-02-20 2015-03-04 NaN
5 10003 13 126 2015-03-04 2015-04-22 Move
6 10003 16 127 2015-04-07 2012-04-10 Move
7 10003 13 128 2015-04-22 2012-05-23 NaN
8 2003 4 128 2015-04-07 2015-04-10 NaN
最佳答案
让我们看看这是否有效:
您的设置:
df = pd.DataFrame({'Key': ['10003', '10003', '10003', '10003', '10003','10003','10034', '10034'],
'Num1': [12,13,13,12,13,13,16,13],
'Num2': [121,122,122,124,125,126,127,128],
'admit': [20120506, 20120508, 20120510,20121010,20121010,20121110,20120516,20120520],
'discharge': [20120515, 20120508, 20120512,20121016,20121023,20121111,20120520,20120522]})
df['admit'] = pd.to_datetime(df['admit'], format='%Y%m%d')
df['discharge'] = pd.to_datetime(df['discharge'], format='%Y%m%d')
df.loc[df.groupby(['Key']).apply(lambda x : (x['admit']<=x['admit'].shift(-1))&(x['discharge'] > x['admit'].shift(-1))).values,'flag']='Initial_Overlap'
让我们填充“overlap”,检查“admit”是否位于上一个“Initial_Overlap”的日期之间。使用cumsum
将“Intial_Overlap”记录分组到下一个“Initial Overlap”:
df['flag'] = df.flag.fillna('Overlap')\
.where(df.groupby(df.flag.notnull().cumsum(), group_keys=False)
.apply(lambda x: x.admit.between(x.admit.iloc[0],
x.discharge.iloc[0])))
df1 = df[df.flag.isnull()]
df2 = df[df.flag.notnull()]
输出:
print(df1)
Key Num1 Num2 admit discharge flag
5 10003 13 126 2012-11-10 2012-11-11 NaN
6 10034 16 127 2012-05-16 2012-05-20 NaN
7 10034 13 128 2012-05-20 2012-05-22 NaN
print(df2)
Key Num1 Num2 admit discharge flag
0 10003 12 121 2012-05-06 2012-05-15 Initial_Overlap
1 10003 13 122 2012-05-08 2012-05-08 Overlap
2 10003 13 122 2012-05-10 2012-05-12 Overlap
3 10003 12 124 2012-10-10 2012-10-16 Initial_Overlap
4 10003 13 125 2012-10-10 2012-10-23 Overlap
编辑:将标志更改为标志
关于python - 如何在迭代pandas期间将行移动到新的df中,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/49308542/
我有一个问题,但由于 this question 部分正在解决,但我想知道如何计算给定间隔之间的天数。 这是一个计算员工休假天数的查询。所以给定(或不给定)一个日期范围,我想计算给定间隔之间有多少假期
变量dateSubtract结果是 16,但我想找到这 2 天之间的总天数,应该是 165。没有 JODA TIME 我该如何做到这一点? String date = "06/17/2014"; Da
我想选择创建日期介于给定月份的第一天和最后一天之间的记录。我通过以下方式计算开始日期和结束日期的月份: 日期“月份”只是时间范围内的随机日期 Calendar cal = Calendar.getIn
我有一个对你们大多数人来说可能微不足道的问题。我尝试了很多,没有找到解决方案,所以如果有人能给我提示,我会很高兴。起点是每周 xts -时间序列。 月周值(value)目标 2011 年 12 月 W
我有一个 Facebook 应用程序,它将用户生日作为 varchar 存储在 mysql 数据库中。我正在尝试获取所有用户的生日 1周后推出,如果是在本周如果生日是上周。 在我的 php 中,我获取
我正在使用以下代码来获取年、月、日中的两个日期之间的差异 tenAppDTO.getTAP_PROPOSED_START_DATE()=2009-11-01 tenAppDTO.getTAP_PRO
我想检查当前时间(在 C++ 中)是否在一个时间范围内。 我想从元组 ("12:00", "17:30") 构造时间范围,即 (string, string) 并检查时间 now() 是否介于两者之间
gitlab 有一个功能,如果我在提交消息中放入票号,那么提交将与 gitlab.com 上的票相关联。 这在进行代码审查时非常方便。不幸的是,开发人员有时会忘记这样做。 我想指定 git hooks
我正在尝试制作使用SQLite数据库的简单注册/登录应用程序,到目前为止我得到了这段代码。这是我的“注册” Activity ,我猜它应该在按下注册按钮后将用户名和 pin(密码)实现到数据库,遗憾的
我正在尝试打开、关闭和写入文件。每当我尝试打开一个文件时,如果我提供的路径中不存在该文件,程序就会告诉我。如果存在,程序将读取其中的内容并显示它。如果用户不想查找文件,可以选择创建文件并用数据填充它。
我想要我的至slideToggle每当发生 react 性变化时,但到目前为止我还无法使其发生。我尝试在 rendered 中使用 JQuery和created模板的事件,但它没有触发。 触发此操作的
我们的 MySQL 遇到了神秘的网络问题。简单的更新查询(使用索引更新单行)通常会立即运行,然后有时(假设 1000 次中有 1 次)因超时而失败。与简单的插入查询相同。数据库没有过载。我们怀疑网络问
我正在使用 actionbarsherlock 的 ActionBar,第一次以横向或水平方向运行应用程序时,选项卡以 Tabs Mode 显示。将方向更改为纵向后,导航模式仍在 Tabs 中。第二次
每天晚上(太平洋标准时间晚上 8 点)我都会对生产数据库(innoDB 引擎)进行全局备份。 这是 mysqldump 命令: mysqldump -u$MYSQLUSER -p$MYSQLPWD -
当我的应用程序第一次启动时,它应该显示用户协议(protocol),这是一个 59kb 的 txt 文件。由于读取文件并将其附加到 TextView 需要一些时间,因此我决定在异步任务中执行此操作并在
如何只允许一个“.”在按键期间的javascript中? 我这里有一个代码: function allowOneDot(txt) { if ((txt.value.split(".")
我已经创建了像主页和用户这样的标题图标。在桌面 View 中,如果我单击用户图像,它会显示相应的重定向页面。如果我在选项卡或移动 View 中将其最小化, 它什么都不显示。此问题仅发生在用户图像上,而
下面的代码在 Release模式下工作,并且仅在 Debug模式下在 g_ItemList.push_back() 引发错误,我浏览了一些 SO 帖子和论坛。有人提到 "You can't itera
我遇到了一个我似乎无法解决的 mmap 问题。下面是设置:我使用 malloc 将一个巨大的多维数组分配到内存中,用我的值填充它,然后我想将它保存在一个文件中。该数组包含 3200000000 个字节
尝试加载共享库: handle = dlopen( "libaaa.so.2.5", RTLD_NOW ); if ( !handle ) { printf("Failed t
我是一名优秀的程序员,十分优秀!