python - 按ID分组，按时间排序，后除先

Question

我有以下数据框:

ID  .....  Quantity     Time
54         100          2020-01-01 00:00:04
55         100          2020-01-01 00:00:04
54         88           2020-01-01-00:00:05
54         66           2020-01-01 00:00:06
55         100          2020-01-01 00:00:07
55         88           2020-01-01 00:00:07     

我想按 ID 对数据帧(按时间排序!)进行分组，然后取最后一行的数量并将其除以每个 ID 的第一行。

结果应该是这样的:

ID  .....  Quantity     Time                     Result
54         100          2020-01-01 00:00:04
54         88           2020-01-01-00:00:05
54         66           2020-01-01 00:00:06      0.66
55         100          2020-01-01 00:00:04      
55         100          2020-01-01 00:00:07
55         88           2020-01-01 00:00:07      0.88

到目前为止，我使用以下代码获取每个 ID 的第一行和最后一行。

g = df.sort_values(by=['Time']).groupby('ID')

df_new=(pd.concat([g.head(1), g.tail(1)])
   .sort_values(by='ID')
   .reset_index(drop=True))

然后我用下面的代码得到除法的结果:

df_new['Result'] = df_new['Quantity'].iloc[1::2].div(df_new['Quantity'].shift())

问题是:数据帧没有按时间排序。非常重要的是，我将(按时间)每个 ID 的最后数量除以每个 ID 的第一个(按时间)数量。

感谢您给我任何需要更改代码的提示!

Answer 1

没有成对的 ID 值，而是三元组，因此如有必要，请先将列转换为日期时间 to_datetime , 然后按 DataFrame.sort_values 每 2 列排序最后使用 previous answer 中的第二种或第三种解决方案:

df['Time'] = pd.to_datetime(df['Time'])
df = df.sort_values(['ID','Time'])

first = df.groupby('ID')['Quantity'].transform('first')
df['Result'] = df.drop_duplicates('ID', keep='last')['Quantity'].div(first)
print (df)

  ID  Quantity                Time  Result
0  54       100 2020-01-01 00:00:04     NaN
2  54        88 2020-01-01 00:00:05     NaN
3  54        66 2020-01-01 00:00:06    0.66
1  55       100 2020-01-01 00:00:04     NaN
4  55       100 2020-01-01 00:00:07     NaN
5  55        88 2020-01-01 00:00:07    0.88