- 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/
努力理解标题中 5 个示例之间的区别。系列与数据框有一些用例吗?什么时候应该使用一个而不是另一个?哪些是等价的? 最佳答案 df[x] — 使用变量 x 索引列。返回 pd.Series df[[x]
在使用Jupyter Notebook时,我必须为问题标题中提到的df.info()、df.head()等单独留出空格. 有没有办法像第二张图片那样把所有这些都放在一个 block 中,并显示所有信息
我想求三列之和,我采取的方法如下: In [14]: a_pd = pd.DataFrame({'a': np.arange(3), 'b': [5, 7,
我想我们大多数人已经使用过这样的东西(至少如果你正在使用 tidyverse): library(tidyverse) example % select(- mpg) 我的问题: 我知道这部分有一
我有一个 DF,里面有大约 20,000 行。我构建了一个 Python 脚本来对这些数据(包括数据透视表)运行大量清理和数学运算。 我想将此 DF 拆分为 3 个独立的 DF,然后根据列值将这 3
我什至不知道如何表达这一点,但在 Python 中有没有一种方法可以引用等号之前的文本,而无需实际再次编写? ** 编辑 - 我在 Jupyter 中使用 python3 我似乎用了半辈子的时间来写作
在 df1 中,每个单元格值都是我想要从 df2 中获取的行的索引。 我想获取 df2 trial_ms 列中行的信息,然后根据获取的 df2 列重命名 df1 中的列。 可重现的 DF: # df1
我想转换此表 0 thg John 3.0 1 thg James 4.0 2 mol NaN 5.0 3 mol NaN NaN 4
我有一个数据框,我想从中提取 val 中的值大于 15 以及 val 不是 NA: df[ !is.na(df$val) & df$val > 15, ] 由于我假设在 R 中经常需要这样的比较,所
鉴于 coming deprecation of df.ix[...] 如何替换这段代码中的 .ix? df_1 = df.ix[:, :datetime.time(16, 50)] d
任何我可以帮助我说出 Pandas 中这两个语句之间的区别-python df.where(df['colname'] == value) 和 df[(df['colname'] == value)]
考虑 df Index A B C 0 20161001 0 24.5 1 20161001 3 26.5 2
所以我需要按“fh_status”列对行进行分组,然后对每个组执行“gini”的最小值、平均值和最大值(将有三个)。我想出了这段代码: m = (df2.groupby(['fh_status']).
我尝试计算不同公司/股票的一些 KPI。我的股票信息位于 df 中,具有以下结构 Ticker Open High Low Ad
我有一个看起来像这样的 df: gene ID Probe ID Chromosome Start Stop 1: H3F3A 539154271
nn_idx_df 包含与 xyz_df 的索引匹配的索引值。如何从 xyz_df 中的 H 列获取值并在 nn_idx_df 中创建新列以匹配 output_df 中所示的结果。我可以解决这个问题,
我目前的 DF 看起来像这样 Combinations Count 1 ('IDLY', 'VADA') 3734 6 ('DOSA', 'IDLY')
我看到了几个与此相关的问题,但我发现这些技巧都不起作用。 我正在尝试根据第二个数据帧的值填充数据帧的所有 NaN 值。第一个 df 很大,第二个 df 将充当某种键。 DF1 Par
我有两个数据帧,df1 和 df2。每个数据帧的唯一标识符是“ID”和“Prop_Number”。我需要将 df1 中的 Num1、2 和 3 列复制到 df2、1_Num 中的相应列...但我不确定
我有以下数据框: 注意:日期是索引 city morning afternoon evening midnight date 2014-05-01 Y
我是一名优秀的程序员,十分优秀!