我有这个df:
Date Plate Route Speed VehiceType
0 2020-11-03 13:54:00 0660182 Route 66 32 Wagon
1 2020-11-03 13:25:03 939CH003 Route 35 24 Truck
2 2020-11-03 09:27:11 WH3457 Route 02 41 Bus
等等。我需要相同车牌车辆之间的时间差,我很容易获得:
df.groupby('Plate').Date.diff( )
然后,我分类(否则我会在不同的日期/盘子之间有差异,这是我不需要的)并分组如下:
df2 = df.sort_values(by=['Plate', 'Date']).groupby('Plate').Date.diff().dt.total_seconds().reset_index()
我最终得到一个df(重命名一列后),如下所示:
index Difference (s)
0 34517 NaN
1 377539 33.0
2 119714 34.0
3 300900 765.0
这不是我需要的(“index”列应该是plates)。我想要的是:
Plate Difference
0 WH3457 54.0
1 9W432T 24.0
2 947CH05 33.0
因此,该df可以通过某些过滤器的板号合并到原始df中(左上和右上)。Pandas说不能进行合并,因为“索引”列只是数字,而plate列显然是一个字符串(排序时不知何故我错过了plate对象)。 那么,我如何才能获得这个板/差df?(必须按车牌和日期排序,否则差异就没有意义了)。 我一直在努力解决这个问题,但我无法得到它。先谢谢你
编辑:
这是原始df的较大部分(对不起,西班牙语中的对齐和车辆类型):
Date Plate Route Latitude Longitud Speed VehicleType
0 2020-11-17 13:54:00+00:00 0660182 RUTA 66 19.333958 -99.199240 10 AUTOBUS LARGO (MAYOR A 10 M DE LONGITUD)
1 2020-11-17 13:54:00+00:00 939CH001M RUTA 51 19.256760 -98.955510 22 AUTOBUS LARGO (MAYOR A 10 M DE LONGITUD)
2 2020-11-17 13:54:00+00:00 596NZ008M RUTA 102 19.448385 -98.952400 0 VAGONETA
3 2020-11-17 13:54:00+00:00 0790024 RUTA 79 19.429462 -99.150820 0 MICROBUS (MENOR A 7.5 M DE LONGITUD)
4 2020-11-17 13:54:01+00:00 947CH045M RUTA 50 19.282007 -99.009000 28 MICROBUS (MENOR A 7.5 M DE LONGITUD)
... ... ... ... ... ... ... ...
1279721 2020-11-18 05:59:57+00:00 0120414 RUTA 12 19.357872 -99.077920 0 MICROBUS (MENOR A 7.5 M DE LONGITUD)
1279722 2020-11-18 05:59:58+00:00 1090016 CETRAM XOCHIMILCO 200826 19.295107 -99.102936 0 MICROBUS (MENOR A 7.5 M DE LONGITUD)
1279723 2020-11-18 05:59:59+00:00 0350144 RUTA 35 19.297995 -99.061150 0 VAGONETA
1279724 2020-11-18 05:59:59+00:00 006908 RUTA 106 19.490650 -99.174640 0 AUTOBUS CORTO (ENTRE 7.5 Y 10 M DE LONGITUD)
1279725 2020-11-18 05:59:59+00:00 0340071 RUTA 34 19.324417 -99.165500 1 MICROBUS (MENOR A 7.5 M DE LONGITUD)
如果希望将计算(以秒为单位的差值)放回原始数据帧,可以使用pandas^{} :
此外,由于
apply
函数不执行任何聚合,df2
具有与df
相同的原始行形状,因此index
可以用于将值映射回df
,如下所示:相关问题 更多 >
编程相关推荐