使用 groupby 添加标志列 top/bottom N 个值

Question

我的 CSV 文件中有数据从 1/1/2015 00:00 到 1/1/2021 00:00 每小时，ID 为 ID15000。

我的目标是始终标记每个 ID 每天最好（标记 1）和最差（标记 2）4 个价格。因此，每天都会有 4x flag 1 和 4x flag 2，其余的 (16x flag0)

我想我应该先把这个table融化为数据库格式，然后应用一些pandas脚本如下。这也是我的小 CSV 文件。

https://github.com/mocukutli/analytics/blob/master/file.csv

import pandas as pd
df = pd.read_csv("file.csv",header=0,delimiter=",")

df=df.melt(
    id_vars='Date',
   var_name='ids',
  value_name='price')

df['large']=df.index.isin(df.groupby('Date').price.nlargest(4).index.get_level_values(1)).astype(int)
df['small']=df.index.isin(df.groupby('Date').price.nsmallest(4).index.get_level_values(1)).astype(int)
df['flag']=df.small*2+df.large
print(df.head(24))

输出

              Date  ids  price  large  small  flag
0   1.01.2015 00:00  ID1  28.03      1      1     3
1   1.01.2015 01:00  ID1  28.02      1      1     3
2   1.01.2015 02:00  ID1  28.09      1      1     3
3   1.01.2015 03:00  ID1  27.41      1      1     3
4   1.01.2015 04:00  ID1  26.22      1      1     3
5   1.01.2015 05:00  ID1  27.33      1      1     3
6   1.01.2015 06:00  ID1  28.75      1      1     3
7   1.01.2015 07:00  ID1  28.78      1      1     3
8   1.01.2015 08:00  ID1  29.55      1      1     3
9   1.01.2015 09:00  ID1  28.32      1      1     3
10  1.01.2015 10:00  ID1  27.67      1      1     3
11  1.01.2015 11:00  ID1  26.79      1      1     3
12  1.01.2015 12:00  ID1  25.71      1      1     3
13  1.01.2015 13:00  ID1  24.42      1      1     3
14  1.01.2015 14:00  ID1  25.01      1      1     3
15  1.01.2015 15:00  ID1  24.55      1      1     3
16  1.01.2015 16:00  ID1  28.66      1      1     3
17  1.01.2015 17:00  ID1  29.47      1      1     3
18  1.01.2015 18:00  ID1  29.10      1      1     3
19  1.01.2015 19:00  ID1  28.64      1      1     3
20  1.01.2015 20:00  ID1  27.27      1      1     3
21  1.01.2015 21:00  ID1  26.32      1      1     3
22  1.01.2015 22:00  ID1  25.70      1      1     3
23  1.01.2015 23:00  ID1  24.60      1      1     3

如上所示，标志未正确分配。

一些想法和问题；

我不知道如何将日期列设置为“日期”，因为它是时间序列格式，我什至不确定 python 从 CSV 文件中读取该格式，所以一个问题可能是因为这个.
我通过从 1 到 2190 手动将该日期列转换为天数（考虑到从 2015 年到 2020 年有 2190 天），但是，nlargest 效果不佳，可能是因为索引问题..
做group by的时候，大小脚本也要实现id吗？
我的电脑马力不错，我得自己动手。我应该将熔化和标记部分分成两部分吗？
我应该为 PyCharm 做任何性能设置吗？即，使用 CPU..

谢谢大家。

Answer 1

Pandas可以在加载csv文件时将字符串转换为日期，也可以在加载后进行转换

df = pd.read_csv("file.csv", header=0, delimiter=",", parse_dates=['Date'], infer_datetime_format=True)

然后您可以使用 resample 方法，它作为 groupby 用于 datetime64ns 列或索引的专用方法。

Answer 2

这是我们找到的答案；

 import pandas as pd
 import datetime

    def date_parser(d):
        d = datetime.datetime.strptime(str(d),"%d.%m.%Y %H:%M")
        return d
    
    df = pd.read_csv("file.csv",header=0,delimiter=",",parse_dates=['Date'],date_parser=date_parser)
    
    #Splitting Date column to date and time
    df["time"] = df["Date"].dt.time
    df["Date"] = df["Date"].dt.date
    
    df=df.melt(
        id_vars=['Date','time'],
       var_name='ids',
      value_name='price')
    
    df['large']=df.index.isin(df.groupby(['Date','ids']).price.nlargest(4).index.get_level_values(2)).astype(int)
    df['small']=df.index.isin(df.groupby(['Date','ids']).price.nsmallest(4).index.get_level_values(2)).astype(int)
    df['flag']=df.small*2+df.large
    
    #Joining date and time column back to one Date column
    df['Date']=df['Date'].astype('str') +' '+ df['time'].astype('str')

打印(df)

使用 groupby 添加标志列 top/bottom N 个值

Adding flags column top/bottom N values with groupby

pandas

csv

group-by

pandas-groupby

top-n