python - 如何在 Pandas 数据框中的日期时间检查前几行中的行值？

Question

我想获取以下数据，每天检查前一天是否观察到该动物，然后创建每天观察到的新动物的计数。

import pandas as pd
data = {'Date': pd.to_datetime(['18/08/2018', '18/08/2018', '18/08/2018', 
                                '19/08/2018', '19/08/2018', '19/08/2018', 
                                '19/08/2018', '19/08/2018', '20/08/2018', 
                                '20/08/2018', '20/08/2018']),
          'Animal':        ['cat', 'dog', 'mouse', 'cat', 'dog', 'mouse', 'rabbit', 'rat', 'lion', 'tiger', 'monkey']
    }

df = pd.DataFrame(data)

结果是这样的:

    1. 18/08/2018   3
    2. 19/08/2018   2
    3. 20/08/2018   3

我是 Python 的新手，非常感谢任何帮助!谢谢。

Answer 1

这是使用 pd.factorize 的一种方法:

s = (pd.Series(pd.factorize(df.Animal)[0]).groupby(df.Date).max()+1)
# decumulate and fill first row
s.diff().fillna(s) 

Date
2018-08-18    3.0
2018-08-19    2.0
2018-08-20    3.0
dtype: float64

---

通过因式分解，我们将编码为枚举类型:

pd.factorize(df.Animal)[0]
# array([0, 1, 2, 0, 1, 2, 3, 4, 5, 6, 7], dtype=int64)

并且通过按Date 分组并获得max，我们得到了新动物的累计数量:

Date
2018-08-18    3
2018-08-19    5
2018-08-20    8
dtype: int64

现在我们只需获取diff 即可对Series 进行累加: