Teilen Sie die Daten in zwei Hälften basierend auf Daten

Question

Ich möchte meine Daten halbiert nach Jahr (en). Also unten in meinen Beispieldaten brauche ich das Ergebnis, um zwei getrennte Datenrahmen zu sein, einer mit den ersten 50% von jedem der Jahre und die andere Hälfte in dem anderen. Zusätzliche Bedingung ist, dass die 50% auf der Spalte "LG" basieren müssen.

Kann mir jemand dabei helfen?

Beispieldaten:

import pandas as pd 
import numpy as np 

df = pd.DataFrame(
    {'LG' : ('AR1', 'AR1', 'AR1', 'AR1', 'AR1', 'AR1', 'PO1', 'PO1', 'AR1', 'AR1', 'PO1', 'PO1'), 
    'Date': ('2011-1-1', '2011-3-1', '2011-4-1', '2011-2-1', '2012-1-1', '2012-2-1', '2012-1-1', '2012-2-1', '2013-1-1', '2013-2-1', '2013-1-1', '2013-2-1'), 
    'Year': (2011, 2011, 2011, 2011, 2012, 2012, 2012, 2012, 2013, 2013, 2013, 2013)}) 

pd.to_datetime(df['Date']) 

df:

  Date LG Year 
0 2011-01-01 AR1 2011 
1 2011-03-01 AR1 2011 
2 2011-04-01 AR1 2011 
3 2011-02-01 AR1 2011 
4 2012-01-01 AR1 2012 
5 2012-02-01 AR1 2012 
6 2012-01-01 PO1 2012 
7 2012-02-01 PO1 2012 
8 2013-01-01 AR1 2013 
9 2013-02-01 AR1 2013 
10 2013-01-01 PO1 2013 
11 2013-02-01 PO1 2013 

Answer 1

Split der Rahmen in der Hälfte nach dem Einschalten Year und LG Gruppierung. Grundidee ist die Lage in der Gruppe zu finden, die weniger als 50% der Gruppengröße ist

Code:

# group by 'Year' and 'LG' 
idx = ['Year', 'LG'] 

# build a grouper 
group_by = df.groupby(idx, as_index=False) 

# need frame to re-expand the group size 
df1 = df.set_index(idx) 
df1['g_size'] = group_by.size() 

# find the rows in the top half of respective group 
top_half = (group_by.cumcount()/df1.g_size.values).values < 0.5 

# build new data frames 
top = df.loc[top_half] 
bot = df.loc[~top_half] 

-Code für die Sortierung auf Datum:

Wenn der Rahmen muss werden nach dem Datum vor der Spaltung sortiert, aber nicht die Art wollen in der ursprünglichen Datenrahmen zu sein ...

# group by 'Year' and 'LG' 
idx = ['Year', 'LG'] 

# sort by date 
df1 = df.sort('Date') 

# build a grouper 
group_by = df1.groupby(idx, as_index=False) 

# Need to set the index to match the result of groupby.size() 
df1 = df1.set_index(idx) 
df1['g_size'] = group_by.size() 

# find the rows in the top half of respective group 
top_half = (group_by.cumcount()/df1.g_size.values).values < 0.5 

# build new data frames 
top = df1.loc[top_half].drop('g_size', axis=1).reset_index() 
bot = df1.loc[~top_half].drop('g_size', axis=1).reset_index() 

Testcode:

print(df) 
print('-- top') 
print(top) 
print('-- bot') 
print(bot) 
print('--') 

Sortiert Ergebnisse:

 Date LG Year 
0 2011-1-1 AR1 2011 
1 2011-3-1 AR1 2011 
2 2011-4-1 AR1 2011 
3 2011-2-1 AR1 2011 
4 2012-1-1 AR1 2012 
5 2012-2-1 AR1 2012 
6 2012-1-1 PO1 2012 
7 2012-2-1 PO1 2012 
8 2013-1-1 AR1 2013 
9 2013-2-1 AR1 2013 
10 2013-1-1 PO1 2013 
11 2013-2-1 PO1 2013 
-- top 
    Year LG  Date 
0 2011 AR1 2011-1-1 
1 2011 AR1 2011-2-1 
2 2012 AR1 2012-1-1 
3 2012 PO1 2012-1-1 
4 2013 AR1 2013-1-1 
5 2013 PO1 2013-1-1 
-- bot 
    Year LG  Date 
0 2011 AR1 2011-3-1 
1 2011 AR1 2011-4-1 
2 2012 AR1 2012-2-1 
3 2012 PO1 2012-2-1 
4 2013 AR1 2013-2-1 
5 2013 PO1 2013-2-1 

Testdaten.

df = pd.DataFrame({ 
    'LG': ('AR1', 'AR1', 'AR1', 'AR1', 'AR1', 'AR1', 
      'PO1', 'PO1', 'AR1', 'AR1', 'PO1', 'PO1'), 
    'Date': ('2011-1-1', '2011-3-1', '2011-4-1', '2011-2-1', '2012-1-1', 
      '2012-2-1', '2012-1-1', '2012-2-1', '2013-1-1', '2013-2-1', 
      '2013-1-1', '2013-2-1'), 
    'Year': (2011, 2011, 2011, 2011, 2012, 2012, 2012, 2012, 2013, 
      2013, 2013, 2013) 
}) 
pd.to_datetime(df['Date'])