传播然后减去 pandas 数据框中的连续行

Question

我有一个数据框，我需要将同一天的连续事件配对，然后从前者中减去后者。每个都有时间戳和日期。

         time                     date   event   score
0 2022-03-07 06:45:00+00:00  2022-03-07  light   80.066667
1 2022-03-07 18:12:00+00:00  2022-03-07  dark   79.857667
2 2022-03-30 06:25:00+00:00  2022-03-30  light  107.060833
3 2022-03-30 13:38:00+00:00  2022-03-30  dark  105.324000
4 2022-03-30 13:40:00+00:00  2022-03-30  dark  105.239750
5 2022-03-30 15:47:00+00:00  2022-03-30  light  106.863143
6 2022-04-01 06:25:00+00:00  2022-04-01  light  101.271867

我尝试使用

传播数据帧

df = df.pivot(index='time', columns='event', values='score')

event                             light       dark
time                                             
2022-03-07 06:45:00+00:00   80.066667         NaN
2022-03-07 18:12:00+00:00         NaN   79.857667
2022-03-30 06:25:00+00:00  107.060833         NaN
2022-03-30 13:38:00+00:00         NaN  105.324000
2022-03-30 13:40:00+00:00         NaN  105.239750
2022-03-30 15:47:00+00:00  106.863143         NaN
2022-04-01 06:25:00+00:00  101.271867         NaN

然而，由于事件发生在不同的时间，传播的数据帧有 NaN。理想情况下，我会这样结束，我保留这对中第一次出现的时间（亮或暗），对齐事件（注意：相应的暗与 2022-04-01 尚未发生的亮相匹配）以及何时先亮我先减后值，先暗后我减前值

event                             light  dark          diff
time                                             
2022-03-07 06:45:00+00:00   80.066667    79.857667    -0.208999
2022-03-30 06:25:00+00:00  107.060833    105.324000   -1.7368
2022-03-30 13:40:00+00:00  106.863143    105.239750   -1.6233
2022-04-01 06:25:00+00:00  101.271867    NaN          NaN

Answer 1

这是使用 groupby + cumcount 创建组的一种方法，然后在 groupby + first 中使用该组来获取每个事件每天第一次发生的时间.然后pivot.

最后，使用 diff 得到“light”和“dark”之间的差异，assign df 中“diff”列的差异：

out = (df.assign(time=df.groupby(df.groupby('event').cumcount())['time'].transform('first'))
       .pivot('time', 'event', 'score').reset_index().rename_axis([None], axis=1)
       .assign(diff=lambda x: x['dark']-x['light']))

输出：

                        time        dark       light      diff
0  2022-03-07 06:45:00+00:00   79.857667   80.066667 -0.209000
1  2022-03-30 06:25:00+00:00  105.324000  107.060833 -1.736833
2  2022-03-30 13:40:00+00:00  105.239750  106.863143 -1.623393
3  2022-04-01 06:25:00+00:00         NaN  101.271867       NaN

传播然后减去 pandas 数据框中的连续行

spread then subtract consecutive rows in pandas data frame

python

pivot-table

dataframe

pandas

pandas-groupby