- 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?
我正在使用 pandas 分析数据集,并尝试根据日期条件将百老汇演出分组在一起。这是问题的简化数据集
+-------------------+-------------+---------+-------+
| Show | Week_ending | Theatre | gross |
+-------------------+-------------+---------+-------+
| Mamma Mia | 05/01/2020 | T1 | 100 |
| Mamma Mia | 12/01/2020 | T1 | 200 |
| Mamma Mia | 19/01/2020 | T1 | 150 |
| Shrek The Musical | 19/01/2020 | T2 | 100 |
| Mamma Mia | 11/08/2019 | T3 | 100 |
| Mamma Mia | 18/08/2019 | T3 | 100 |
| Mamma Mia | 27/12/2009 | T1 | 100 |
| Mamma Mia | 03/10/2010 | T1 | 100 |
| Mamma Mia | 10/01/2010 | T1 | 100 |
+-------------------+-------------+---------+-------+
我想做的是将节目分组在一起,以便进一步比较。在不同剧院上演的同名节目应该分开,我使用
df2 = df.groupby(['show', 'theatre']).mean()
然而这将项目分组
+-------------------+---------+------------+
| Show | Theatre | mean_gross |
+-------------------+---------+------------+
| Mamma Mia | T1 | 100 |
| Shrek The Musical | T2 | 100 |
| Mamma Mia | T3 | 100 |
+-------------------+---------+------------+
这是一个问题,因为它将发生在同一剧院 (T1) 的两场《妈妈咪呀》节目归为一组,即使它们发生的时间相隔 10 年。期望的结果会是这样的((2009)不一定是必需的,只要它们是 sperate)
+-------------------+---------+------------+
| Show | Theatre | mean_gross |
+-------------------+---------+------------+
| Mamma Mia | T1 | 100 |
| Shrek The Musical | T2 | 100 |
| Mamma Mia | T3 | 100 |
| Mamma Mia (2009) | T1 | 100 |
+-------------------+---------+------------+
如果一个节目在同一个剧院,但它们之间有一周的时间间隔,没有记录任何信息,则它们可以被视为单独的节目,这是必不可少的。仅按年份分开是行不通的,因为一个节目可能会从 11 月持续到 3 月,将其分成两个单独的节目没有意义。
最佳答案
基本上您需要的是创建另一个列来标记日期更改超过 7 天的情况。
import pandas as pd
df = pd.DataFrame({'Show':['Mamma Mia', 'Mamma Mia', 'Mamma Mia', 'Shrek The Musical',
'Mamma Mia', 'Mamma Mia', 'Mamma Mia', 'Mamma Mia', 'Mamma Mia'] ,
'Week_ending':['05/01/2020', '12/01/2020', '19/01/2020', '19/01/2020', '11/08/2019', '18/08/2019', '27/12/2009', '03/10/2010', '10/01/2010'],
'Theatre':['T1', 'T1', 'T1', 'T2', 'T3', 'T3', 'T1', 'T1','T1'],
'gross':[100, 200, 150, 100, 100, 100, 100, 100, 100]})
# Change `Week_ending` to datetime
df['Week_ending'] = pd.to_datetime(df['Week_ending'], format="%d/%m/%Y")
# sort
df = df.sort_values(['Show', 'Theatre', 'Week_ending'])
# find the difference in days between two consequitive dates within the same group
df['days_diff'] = df.groupby(['Show', 'Theatre'])['Week_ending'].diff().dt.days.fillna(0)
# Check if the days difference is more than 7 (days)
df['days_diff'] = df['days_diff'] > 7
# create a key column that increment by 1 everytime the days are more than 7
df['key'] = df.groupby(['Show', 'Theatre'])['days_diff'].cumsum()
# resulting dataframe
df_final = df.groupby(['Show', 'Theatre', 'key'])[['gross']].mean().reset_index().drop(columns=['key'])
df_final
+-------------------+---------+------------+
| Show | Theatre | mean_gross |
+-------------------+---------+------------+
| Mamma Mia | T1 | 100 |
| Mamma Mia | T1 | 100 |
| Mamma Mia | T1 | 100 |
| Mamma Mia | T1 | 150 |
| Mamma Mia | T3 | 100 |
| Shrek The Musical | T1 | 100 |
+-------------------+---------+------------+
关于python - 按重复日期分组的 Pandas,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/66732543/
您好,我正在处理 BIRT 报告。我有一个查询,我必须对父级的重复数据进行分组,但子级也不能分组! 在我的查询中: item 是父项,item_ledger_entry 是子项。我有来自 item.N
我正在使用 GA API。 这是针对 MCF 目标报告(底部)的标准目标完成指标表(顶部) 看一下这个: 总数加起来 (12,238),但看看按 channel 分组的分割有多么不同!我以为这些会很接
我正在开发一个流量计数器,我想获得 IP 和重复计数,但是如何? 就像是 :select ip, count(ip) from Redirect 返回 : null total ip count 重定
我尝试编写一个正则表达式来匹配条件表达式,例如: a!=2 1+2=2+a 我尝试提取运算符。我当前的正则表达式是“.+([!=<>]+).+” 但问题是匹配器总是尝试匹配组中可能的最短字符串
在 MS Transact SQL 中,假设我有一个这样的表(订单): Order Date Order Total Customer # 09/30/2008 8
我想按 m.ID 分组,并对每个 m.id 求和 (pm.amount_construction* prod.anzahl) 实际上我有以下结果: Meterial_id | amount_const
我想根据多列中的值对值进行分组。这是一个例子: 我想得到输出: {{-30,-50,20},{-20,30,60},{-30,NULL or other value, 20}} 我设法到达: SELE
我正在尝试找出运行此查询的最佳方式。我基本上需要返回在我们的系统中只下了一个订单的客户的“登录”字段列表(登录字段基本上是客户 ID/ key )。 我们系统的一些背景...... 客户在同一日期下的
给定以下mysql结果集: id code name importance '1234', 'ID-CS-B', 'Chocolate Sauce'
大家好,我的数据框中有以下列: LC_REF 1 DT 16 2C 2 DT 16 2C 3 DT 16 2C 1 DT 16 3C 6 DT 16 3C 3
我有这样的 mongoDB 集合 { "_id" : "EkKTRrpH4FY9AuRLj", "stage" : 10, }, { "_id" : "EkKTRrpH4FY9
假设我有一组数据对,其中 index 0 是值,index 1 是类型: input = [ ('11013331', 'KAT'), ('9085267',
java中用stream进行去重,排序,分组 一、distinct 1. 八大基本数据类型 List collect = ListUtil.of(1, 2, 3, 1, 2).stream().fil
基本上,我从 TABLE_A 中的这个开始 France - 100 France - 200 France - 300 Mexico - 50 Mexico - 50 Mexico - 56 Pol
我希望这个正则表达式 ([A-Z]+)$ 将选择此示例中的最后一次出现: AB.012.00.022ABC-1 AB.013.00.022AB-1 AB.014.00.022ABAB-1 但我没有匹配
我创建了一个数据透视表,但数据没有组合在一起。 任何人都可以帮助我获得所需的格式吗? 我为获取数据透视表而编写的查询: DECLARE @cols AS NVARCHAR(MAX), -- f
我想按时间段(月,周,日,小时,...)选择计数和分组。例如,我想选择行数并将它们按 24 小时分组。 我的表创建如下。日期是时间戳。 CREATE TABLE MSG ( MSG_ID dec
在 SQL Server 2005 中,我有一个包含如下数据的表: WTN------------Date 555-111-1212 2009-01-01 555-111-1212 2009-
题 假设我有 k 个标量列,如果它们沿着每列彼此在一定距离内,我想对它们进行分组。 假设简单 k 是 2 并且它们是我唯一的列。 pd.DataFrame(list(zip(sorted(choice
问题 在以下数据框中 df : import random import pandas as pd random.seed(999) sz = 50 qty = {'one': 1, 'two': 2
我是一名优秀的程序员,十分优秀!