Python: mit Pandas GROUPBY die Dimensionalität eines Datenrahmens

Question

In meinem Datenrahmen zu reduzieren, nennen wir es df, ich Daten haben, die

serial gps_dt lat long dist 
1  25Mar x1 y1 Nan 
1  26Mar x2 y2 0.01 
1  27Mar x3 y3 1.25 (assume this is the 5th occurrence < 160) 
2  24Mar x4 y5 Nan 
2  25Mar x5 y5 2.1 
2  26Mar x6 y6 1.01 
2  27Mar x7 y7 175.2 
2  28Mar x8 y8 179.3 (assume this is the 5th occurrence > 160) 

Und diese weiterhin wie

aussieht. Ich habe bereits eine Serie, nennen wir es check, die mir sagt, wenn serial[i] == serial[i+1]. Ich möchte jetzt, wenn sie gleich sind, einen neuen Datenrahmen erstellen, der serial, gps_dt_first, gps_dt_last, avg_lat, avg_long unter den Bedingungen hdist < 160 enthält und wir haben mindestens 5 Vorkommen innerhalb dieses Radius. Wenn hdist > 160, mag ich eine andere Gruppe konstruieren, wenn und nur wenn die nächsten 5 Vorkommen sind innerhalb von 160 des ersten von mehr als 160

Zum Beispiel würde die Ausgabe in etwa so aussehen:

serial gps_dt_first gps_dt_last avg_lat avg_long 
1  25Mar  27Mar  avg_x avg_y 
2  27Mar  28Mar  avg_x avg_y 

I schaue auf die group by Dokumentation in Pandas. Die Daten sind bereits in serial, gps_dt Bestellung von SAS. Muss ich immer noch df.groupby(['serial', 'gps_dt']) tun?

Sobald die df gruppiert ist, wenn nötig, mein Gedanke des Codes ist (eher ein Pseudo-Code Umriss):

if check == true and hdist < 160 and 5 or more occurrences (how to count the occurrences): 
    result['serial'] = df.serial (first in serial; how to extract) 
    result['gps_dt_first'] = df.gps_dt (first in gps_dt) 
    result['gps_dt_last'] = df.gps_dt (last in gps_dt) 
    result['avg_lat'] = df.lat.mean() (only for the subset of serial meeting criteria) 
    result['avg_long'] = df.long.mean() (same here) 
else if check == true and hdist > 160 and 5 or more occurrences; 
    do same as above 
else: 
    delete 

Answer 1

Wenn Sie bereits die Dokumentation für groupby lesen, könnten Sie tun, was die folgende Abschnitte erklären:

1. Iterate over each element you got from groupby;
2. Perform one or more aggregate operations (einschließlich der Anwendung verketteter Operationen oder unterschiedlicher Operationen je nach Spalte);