Python Iterative Schleife durch Spalten von Datenrahmen

Question

an einem Problem arbeiten, ich habe folgendes Datenrahmen in Python

week hour week_hr  store_code baskets 
0 201616 106  201616106 505   0 
1 201616 107  201616107 505   0 
2 201616 108  201616108 505   0 
3 201616 109  201616109 505   18 
4 201616 110  201616110 505   0 
5 201616 106  201616108 910   0 
6 201616 107  201616106 910   0 
7 201616 108  201616107 910   2 
8 201616 109  201616108 910   3 
9 201616 110  201616109 910   10 

hier „Stunde“ Variable ist ein concat von „Wochentag“ und „Stunde des shop“, zB Wochentag ist Montag = 1 und Stunde des Ladens ist 6 Uhr dann Stundenvariable = 106, ähnlich cal_hr ist ein concat der Woche und der Stunde. Ich möchte diese Zeilen bekommen, wo ich einen Trend von keinen Körben, d. H. 0 Körbe für 3 Wochen rollen. Im obigen Fall bekomme ich nur die ersten 3 Zeilen. für den Speicher 505 gibt es einen kontinuierlichen Zyklus von 1 Körben von 106 bis 108. Aber ich nicht wollen die Zeilen (4,5,6), denn obwohl es 0 Körbe für 3 Stunden ununterbrochen sind, aber die Stunden sind eigentlich nicht kontinuierlich. 110 -> 106 -> 107. Für die Dauer der Stunden sollten sie im Bereich von 106 - 110 liegen.. Im Wesentlichen möchte ich alle Geschäfte und die entsprechenden Reihen, wenn es 0 Körbe für ununterbrochene 3 Stunden an irgendeinem gegebenen Tag hat. Dummy-Ausgabe

week hour week_hr  store_code baskets 
0 201616 106  201616106 505   0 
1 201616 107  201616107 505   0 
2 201616 108  201616108 505   0 

Kann ich dies in Python mit Pandas und Loops tun? Der Datensatz erfordert eine Sortierung nach Filiale und Stunde. Völlig neu in Python (

Answer 1

Sie wie folgt vor:

1. Sortierung store_code, week_hr
2. Filter nach 0
3. Speichern, um die Subtraktion zwischen df [ 'week_hr'] [1:]. Werte-df [ 'week_hr'] [: -1] .Werte, damit Sie wissen, ob sie Continuos sind.

4. Jetzt können Sie Gruppen fortlaufend und filtern, wie Sie möchten.

   import numpy as np 
   import pandas as pd 
   
   # 1 
   t1 = df.sort_values(['store_code', 'week_hr']) 
   
   # 2 
   t2 = t1[t1['baskets'] == 0] 
   
   # 3 
   continuous = t2['week_hr'][1:].values-t2['week_hr'][:-1].values == 1 
   groups = np.cumsum(np.hstack([False, continuous==False])) 
   t2['groups'] = groups 
   
   # 4 
   t3 = t2.groupby(['store_code', 'groups'], as_index=False)['week_hr'].count() 
   t4 = t3[t3.week_hr > 2] 
   print pd.merge(t2, t4[['store_code', 'groups']]) 
   

Es für Looping keine Notwendigkeit!

Answer 2

können Sie lösen:

1. Sortieren nach store_code, week_hr
2. Filter nach 0
3. Gruppe von store_code

-Code kontinuierliche Suche:

t1 = df.sort_values(['store_code', 'week_hr']) 

t2 = t1[t1['baskets'] == 0] 

grouped = t2.groupby('store_code')['week_hr'].apply(lambda x: x.tolist())  

for store_code, week_hrs in grouped.iteritems(): 
    print(store_code, week_hrs) 
    # do something