我有一个表,其中包含包裹ID,它们的出发时间,到达时间以及类型或包裹的列表。
下面给出了一个最小的工作示例来说明该表。
对于每条线,我正在尝试获取类似类型的包裹(即电视或PC)的包裹数量,这些包裹的出发时间优于或等于[所考虑的线的出发时间],但严格小于[所考虑的线的到达时间线]
输入数据示例
Parcel_id, departure_time, arrival_time, type
id_1, 07:00, 07:30, TV
id_2, 07:00, 07:15, PC
id_3, 07:05, 07:22, PC
id_4, 07:10, 07:45, TV
id_5, 07:15, 07:50, TV
id_6, 07:10, 07:26, PC
id_7, 07:40, 08:10, TV
id_8, 07:14, 07:46, TV
id_9, 07:14, 07:32, PC
id_10, 07:15, 07:30, PC
所需输出数据的示例
Parcel_id, departure_time, arrival_time, type, number_of_parcels
id_1, 07:00, 07:30, TV, 4
id_2, 07:00, 07:15, PC, 4
id_3, 07:05, 07:22, PC, 4
id_4, 07:10, 07:45, TV, 4
id_5, 07:15, 07:50, TV, 2
id_6, 07:10, 07:26, PC, 3
id_7, 07:40, 08:10, TV, 1
id_8, 07:14, 07:46, TV, 3
id_9, 07:14, 07:32, PC, 2
id_10, 07:15, 07:30, PC, 1
我试图使用groupby函数,然后应用条件...。没有任何成功
table['number_of_parcels']= table.groupby(['type']).cond.apply(lambda g: (g>=table['departure`_time'] & g<table['arrival_time'])).count()
有谁知道如何破解吗?
非常感谢
这有效
df['number_of_parcels'] = df.groupby('type').apply(lambda x: x.apply(lambda y:(
(x['departure_time'] >= y['departure_time']) & (x['departure_time'] < y['arrival_time'])
).sum(), axis=1)).droplevel(level=0)
df
出:
Parcel_id departure_time arrival_time type number_of_parcels
0 id_1 07:00 07:30 TV 4
1 id_2 07:00 07:15 PC 4
2 id_3 07:05 07:22 PC 4
3 id_4 07:10 07:45 TV 4
4 id_5 07:15 07:50 TV 2
5 id_6 07:10 07:26 PC 3
6 id_7 07:40 08:10 TV 1
7 id_8 07:14 07:46 TV 3
8 id_9 07:14 07:32 PC 2
9 id_10 07:15 07:30 PC 1
本文收集自互联网,转载请注明来源。
如有侵权,请联系 [email protected] 删除。
我来说两句