In meinem Datenrahmen zu reduzieren, nennen wir es df, ich Daten haben, die Python: mit Pandas GROUPBY die Dimensionalität eines Datenrahmens
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 escheck
, 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