python - 在 python 中提取数据帧的 groupby 值

Question

我有一个带列的数据框 Timestamp , Longitude , Latitude .我已经提取了列 Distance每套之间longitude和 latitude .
数据集的问题陈述是extract the location between which the vehicle is at halt..所以我使用的概念是，if i+1 value is less than 500m它被视为 halt .我想提取对停止值的观察。
示例:如果它停止，我想提取第一个经度和纬度以及最后一个。时间戳也类似。我写了下面的代码

df["Status"] = 'M'

for i in range(len(df)-1):
    if (df.loc[i+1,'Distance_km'] <= 0.5):
        df.loc[i+1, "Status"]='H'

最初我创建了一个带有值的列 M对所有人。我把它改成了 H如果距离小于500m。

如何提取？

我拥有的数据帧片段:
enter image description here

我想要的输出:
enter image description here

Answer 1

让我们假设这是您的数据框(我在大多数情况下用随机数填充了它):

df = pd.DataFrame({'lon': np.random.uniform(size=10), 'lat': np.random.uniform(size=10), 'time': np.arange(10), 'dist': [0,0,10,15,0.25,0,0,12,13,14]})

        lon       lat  time   dist
0  0.934316  0.577665     0   0.00
1  0.126991  0.665957     1   0.00
2  0.526884  0.590803     2  10.00
3  0.652709  0.873958     3  15.00
4  0.967095  0.320934     4   0.25
5  0.479600  0.012705     5   0.00
6  0.243327  0.117992     6   0.00
7  0.788706  0.193073     7  12.00
8  0.172656  0.166983     8  13.00
9  0.661242  0.030701     9  14.00

使用 pd.Series.where ，您可以标记暂停的行。此列中的对应于正在停止的车辆。

df['halted'] = df.dist.where(df.dist > 0.5, 1).where(df.dist <= 0.5, 0)

        lon       lat  time   dist  halted
0  0.934316  0.577665     0   0.00     1.0
1  0.126991  0.665957     1   0.00     1.0
2  0.526884  0.590803     2  10.00     0.0
3  0.652709  0.873958     3  15.00     0.0
4  0.967095  0.320934     4   0.25     1.0
5  0.479600  0.012705     5   0.00     1.0
6  0.243327  0.117992     6   0.00     1.0
7  0.788706  0.193073     7  12.00     0.0
8  0.172656  0.166983     8  13.00     0.0
9  0.661242  0.030701     9  14.00     0.0

现在用于提取您想要的值。首先，我将介绍一个列来识别不同的停止组

df['group'] = (np.abs(df.halted.diff()).cumsum().fillna(0) + 1) * df.halted

        lon       lat  time   dist  halted  group
0  0.934316  0.577665     0   0.00     1.0    1.0
1  0.126991  0.665957     1   0.00     1.0    1.0
2  0.526884  0.590803     2  10.00     0.0    0.0
3  0.652709  0.873958     3  15.00     0.0    0.0
4  0.967095  0.320934     4   0.25     1.0    3.0
5  0.479600  0.012705     5   0.00     1.0    3.0
6  0.243327  0.117992     6   0.00     1.0    3.0
7  0.788706  0.193073     7  12.00     0.0    0.0
8  0.172656  0.166983     8  13.00     0.0    0.0
9  0.661242  0.030701     9  14.00     0.0    0.0

现在每个暂停组都被分配了大于零的整数。有了这个，您可以使用 pd.DataFrame.groupby积累你的值(value)。

aggregated = df.groupby('group')['lon', 'lat', 'time'].agg(['first', 'last']).iloc[1:]

            lon                 lat            time     
          first      last     first      last first last
group                                                   
1.0    0.934316  0.126991  0.577665  0.665957     0    1
3.0    0.967095  0.243327  0.320934  0.117992     4    6

最后，计算时间差并删除未使用的列:

aggregated['time_diff'] = aggregated.time['last'] - aggregated.time['first']
aggregated = aggregated.drop(columns=['time'])

            lon                 lat           time_diff
          first      last     first      last          
group                                                  
1.0    0.934316  0.126991  0.577665  0.665957         1
3.0    0.967095  0.243327  0.320934  0.117992         2

使用 group变量，如果您需要那里的数据，您可以将结果连接回另一个数据框