- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我有以下数据框:
df = pd.DataFrame({"id": [0]*5 + [1]*5,
"time": ['2015-01-01', '2015-01-03', '2015-01-04', '2015-01-08', '2015-01-10', '2015-02-02', '2015-02-04', '2015-02-06', '2015-02-11', '2015-02-13'],
'hit': [0,3,8,2,5, 6,12,0,7,3]})
df.time = df.time.astype('datetime64[ns]')
df = df[['id', 'time', 'hit']]
df
输出:
id time hit
0 0 2015-01-01 0
1 0 2015-01-03 3
2 0 2015-01-04 8
3 0 2015-01-08 2
4 0 2015-01-10 5
5 1 2015-02-02 6
6 1 2015-02-04 12
7 1 2015-02-06 0
8 1 2015-02-11 7
9 1 2015-02-13 3
以及执行重采样的函数:
def subset(df):
'''select first x rows'''
return df.iloc[:14]
def dailyCount(df, member_id, values, time):
'''Transform a time-series df into 7 daily count per group'''
# container for resulting dataframe
ts = pd.DataFrame()
for i in df.member_id.unique():
# prepare a series and upsample it within the same id
chunk = pd.Series(df.loc[df.member_id == i, values])
#print(chunk)
chunk = chunk.resample('1D').asfreq()
# create dataframe and construct some additional columns
chunk = pd.DataFrame(chunk, columns=[values]).reset_index().fillna(0)
chunk[values] = chunk[values].astype(int)
chunk[member_id] = i
chunk['daily_count'] = chunk.groupby(member_id).cumcount() + 1
# accumulate id-wise dataframes 1 by 1 vertically
ts = pd.concat([ts, chunk], axis=0, ignore_index=True)
ts = ts.set_index([member_id, time])
ts = ts.reset_index(level=0).groupby(member_id).apply(subset).drop(member_id, axis=1).reset_index().drop(time, axis=1).set_index([member_id,'daily_count']).unstack().fillna(0)
#ts = ts.reset_index().drop(columns=time).set_index([member_id,'daily_count']).unstack().fillna(0)
ts.columns = pd.Index(['dailyCount_' + e[0] + '_' + str(e[1]) for e in ts.columns.tolist()])
ts = ts.astype(np.int32)#.reset_index()
return ts
输入:
df.rename(columns={'id': 'member_id'}, inplace=True)
df = df.set_index('time')
dailyCount(df, 'member_id', 'hit', 'time')
输出:
dailyCount_hit_1 dailyCount_hit_2 dailyCount_hit_3 dailyCount_hit_4 dailyCount_hit_5 dailyCount_hit_6 dailyCount_hit_7 dailyCount_hit_8 dailyCount_hit_9 dailyCount_hit_10 dailyCount_hit_11 dailyCount_hit_12
member_id
0 0 0 3 8 0 0 0 2 0 5 0 0
1 6 0 12 0 0 0 0 0 0 7 0 3
当我在大约 180,000 行的 DataFrame 上使用此函数时,在我的 2.3GHz i5 MacBookPro 上运行需要 6 分钟。我知道我的机器很慢,但我需要在各种数据集上重复使用这个函数。在这种情况下,有什么方法可以在不使用 For 循环的情况下执行相同的转换?
最佳答案
这是使用 pandas.date_range
Index.reindex
和 DataFrame.pivot_table
的另一个潜在解决方案:
df.rename(columns={'id': 'member_id'}, inplace=True)
df = df.set_index('time')
members = []
for _, g in df.groupby('member_id'):
dt_idx = pd.date_range(start=g.index.min(), end=g.index.max(), freq='D')
g = g.reindex(dt_idx).reset_index(drop=True)
members.append(g)
resampled_df = pd.concat(members)
resampled_df['member_id'].ffill(inplace=True)
resampled_df['hit'].fillna(0, inplace=True)
resampled_df.index += 1
resampled_df = (resampled_df.pivot_table(values='hit',
index='member_id',
columns=resampled_df.index,
fill_value=0)
.add_prefix('dailyCount_hit_'))
resampled_df.index = resampled_df.index.astype(int)
resampled_df.iloc[:, :14]
关于python - 针对循环性能问题的 Pandas 重采样,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/52474035/
pandas.crosstab 和 Pandas 数据透视表似乎都提供了完全相同的功能。有什么不同吗? 最佳答案 pivot_table没有 normalize争论,不幸的是。 在 crosstab
我能找到的最接近的答案似乎太复杂:How I can create an interval column in pandas? 如果我有一个如下所示的 pandas 数据框: +-------+ |
这是我用来将某一行的一列值移动到同一行的另一列的当前代码: #Move 2014/15 column ValB to column ValA df.loc[(df.Survey_year == 201
我有一个以下格式的 Pandas 数据框: df = pd.DataFrame({'a' : [0,1,2,3,4,5,6], 'b' : [-0.5, 0.0, 1.0, 1.2, 1.4,
所以我有这两个数据框,我想得到一个新的数据框,它由两个数据框的行的克罗内克积组成。正确的做法是什么? 举个例子:数据框1 c1 c2 0 10 100 1 11 110 2 12
TL;DR:在 pandas 中,如何绘制条形图以使其 x 轴刻度标签看起来像折线图? 我制作了一个间隔均匀的时间序列(每天一个项目),并且可以像这样很好地绘制它: intensity[350:450
我有以下两个时间列,“Time1”和“Time2”。我必须计算 Pandas 中的“差异”列,即 (Time2-Time1): Time1 Time2
从这个 df 去的正确方法是什么: >>> df=pd.DataFrame({'a':['jeff','bob','jill'], 'b':['bob','jeff','mike']}) >>> df
我想按周从 Pandas 框架中的列中累积计算唯一值。例如,假设我有这样的数据: df = pd.DataFrame({'user_id':[1,1,1,2,2,2],'week':[1,1,2,1,
数据透视表的表示形式看起来不像我在寻找的东西,更具体地说,结果行的顺序。 我不知道如何以正确的方式进行更改。 df示例: test_df = pd.DataFrame({'name':['name_1
我有一个数据框,如下所示。 Category Actual Predicted 1 1 1 1 0
我有一个 df,如下所示。 df: ID open_date limit 1 2020-06-03 100 1 2020-06-23 500
我有一个 df ,其中包含与唯一值关联的各种字符串。对于这些唯一值,我想删除不等于单独列表的行,最后一行除外。 下面使用 Label 中的各种字符串值与 Item 相关联.所以对于每个唯一的 Item
考虑以下具有相同名称的列的数据框(显然,这确实发生了,目前我有一个像这样的数据集!:() >>> df = pd.DataFrame({"a":range(10,15),"b":range(5,10)
我在 Pandas 中有一个 DF,它看起来像: Letters Numbers A 1 A 3 A 2 A 1 B 1 B 2
如何减去两列之间的时间并将其转换为分钟 Date Time Ordered Time Delivered 0 1/11/19 9:25:00 am 10:58:00 am
我试图理解 pandas 中的下/上百分位数计算,但有点困惑。这是它的示例代码和输出。 test = pd.Series([7, 15, 36, 39, 40, 41]) test.describe(
我有一个多索引数据框,如下所示: TQ bought HT Detailed Instru
我需要从包含值“低”,“中”或“高”的数据框列创建直方图。当我尝试执行通常的df.column.hist()时,出现以下错误。 ex3.Severity.value_counts() Out[85]:
我试图根据另一列的长度对一列进行子串,但结果集是 NaN .我究竟做错了什么? import pandas as pd df = pd.DataFrame([['abcdefghi','xyz'],
我是一名优秀的程序员,十分优秀!