Inkrementieren Daten in Pandas GROUPBY

Question

Ich bin eine grundlegende rota/Zeitplan für die Mitarbeiter bauen und haben einen Datenrahmen aus einer MySQL-Cursor, die eine Liste von IDs, Daten und Klasse

 id    the_date class 
0 195593 2017-09-12 14:00:00  3 
1 193972 2017-09-13 09:15:00  2 
2 195594 2017-09-13 14:00:00  3 
3 195595 2017-09-15 14:00:00  3 
4 193947 2017-09-16 17:30:00  3 
5 195627 2017-09-17 08:00:00  2 
6 193948 2017-09-19 11:30:00  2 
7 195628 2017-09-21 08:00:00  2 
8 193949 2017-09-21 11:30:00  2 
9 195629 2017-09-24 08:00:00  2 
10 193950 2017-09-24 10:00:00  2 
11 193951 2017-09-27 11:30:00  2 
12 195644 2017-09-28 06:00:00  1 
13 194400 2017-09-28 08:00:00  1 
14 195630 2017-09-28 08:00:00  2 
15 193952 2017-09-29 11:30:00  2 
16 195631 2017-10-01 08:00:00  2 
17 194401 2017-10-06 08:00:00  1 
18 195645 2017-10-06 10:00:00  1 
19 195632 2017-10-07 13:30:00  3 

Wenn die Klasse gibt == 1, ich brauche diese Instanz fünfmal.

first_class = df[df['class'] == 1] 
non_first_class = df[df['class'] != 1] 
first_class_replicated = pd.concat([tests_df]*5,ignore_index=True).sort_values(['the_date']) 

    id    the_date class 
0 195644 2017-09-28 06:00:00  1 
16 195644 2017-09-28 06:00:00  1 
4 195644 2017-09-28 06:00:00  1 
12 195644 2017-09-28 06:00:00  1 
8 195644 2017-09-28 06:00:00  1 
17 194400 2017-09-28 08:00:00  1 
13 194400 2017-09-28 08:00:00  1 
9 194400 2017-09-28 08:00:00  1 
5 194400 2017-09-28 08:00:00  1 
1 194400 2017-09-28 08:00:00  1 
6 194401 2017-10-06 08:00:00  1 
18 194401 2017-10-06 08:00:00  1 
10 194401 2017-10-06 08:00:00  1 
14 194401 2017-10-06 08:00:00  1 
2 194401 2017-10-06 08:00:00  1 
11 195645 2017-10-06 10:00:00  1 
3 195645 2017-10-06 10:00:00  1 
15 195645 2017-10-06 10:00:00  1 
7 195645 2017-10-06 10:00:00  1 
19 195645 2017-10-06 10:00:00  1 

I non_first_class und first_class_replicated dann verschmelzen. Vorher brauche ich jedoch die Daten in first_class_replicated um einen Tag nach ID gruppiert zu erhöhen. Unten ist, wie ich es brauche, um zu schauen. Gibt es eine elegante Pandas-Lösung, oder sollte ich über eine groupby-Serie schauen, um die Daten zu ändern?

Wunsch:

id  
0 195644 2017-09-28 6:00:00 
16 195644 2017-09-29 6:00:00 
4 195644 2017-09-30 6:00:00 
12 195644 2017-10-01 6:00:00 
8 195644 2017-10-02 6:00:00 
17 194400 2017-09-28 8:00:00 
13 194400 2017-09-29 8:00:00 
9 194400 2017-09-30 8:00:00 
5 194400 2017-10-01 8:00:00 
1 194400 2017-10-02 8:00:00 
6 194401 2017-10-06 8:00:00 
18 194401 2017-10-07 8:00:00 
10 194401 2017-10-08 8:00:00 
14 194401 2017-10-09 8:00:00 
2 194401 2017-10-10 8:00:00 
11 195645 2017-10-06 10:00:00 
3 195645 2017-10-07 10:00:00 
15 195645 2017-10-08 10:00:00 
7 195645 2017-10-09 10:00:00 
19 195645 2017-10-10 10:00:00 

Answer 1

Sie cumcount Zähl- Kategorien verwenden können, dann to_timedelta umwandeln und in der Spalte:

#another solution for repeat 
first_class_replicated = first_class.loc[np.repeat(first_class.index, 5)] 
            .sort_values(['the_date']) 

df1 = first_class_replicated.groupby('id').cumcount() 
first_class_replicated['the_date'] += pd.to_timedelta(df1, unit='D') 
print (first_class_replicated) 
     id   the_date class 
0 195644 2017-09-28 06:00:00  1 
16 195644 2017-09-29 06:00:00  1 
4 195644 2017-09-30 06:00:00  1 
12 195644 2017-10-01 06:00:00  1 
8 195644 2017-10-02 06:00:00  1 
17 194400 2017-09-28 08:00:00  1 
13 194400 2017-09-29 08:00:00  1 
9 194400 2017-09-30 08:00:00  1 
5 194400 2017-10-01 08:00:00  1 
1 194400 2017-10-02 08:00:00  1 
6 194401 2017-10-06 08:00:00  1 
18 194401 2017-10-07 08:00:00  1 
10 194401 2017-10-08 08:00:00  1 
14 194401 2017-10-09 08:00:00  1 
2 194401 2017-10-10 08:00:00  1 
11 195645 2017-10-06 10:00:00  1 
3 195645 2017-10-07 10:00:00  1 
15 195645 2017-10-08 10:00:00  1 
7 195645 2017-10-09 10:00:00  1 
19 195645 2017-10-10 10:00:00  1