我已按數(shù)據(jù)集排序（）：DateIDdfDate ID Start_flag End_flag 01-01-2019 100 1 0 01-02-2019 100 0 001-03-2019 100 0 001-04-2019 100 0 001-05-2019 100 0 101-09-2019 100 1 0 01-10-2019 100 0 001-11-2019 100 0 001-12-2019 100 0 001-03-2019 500 1 0 01-04-2019 500 0 001-05-2019 500 0 001-06-2019 500 0 001-07-2019 500 0 001-08-2019 500 0 0 01-09-2019 700 1 001-10-2019 700 0 001-11-2019 700 0 1我想按最后一個實際值進(jìn)行過濾，其中出現(xiàn)=1，之前所有與=1相同的數(shù)據(jù)都不應(yīng)該被提取。dfDateStart_flagIDStart_flag換句話說，如果發(fā)生幾次相同的情況，則僅保留最后一次最大 。Start_flag=1IDStart_flag=1Date預(yù)期視圖為：dfDate ID Start_flag End_flag 01-09-2019 100 1 0 01-10-2019 100 0 001-11-2019 100 0 001-12-2019 100 0 001-03-2019 500 1 0 01-04-2019 500 0 001-05-2019 500 0 001-06-2019 500 0 001-07-2019 500 0 001-08-2019 500 0 0 01-09-2019 700 1 001-10-2019 700 0 001-11-2019 700 0 1 我試圖通過 來做到這一點(diǎn)，但這不是正確的方法。.groupby(['ID','Start_flag'])['Date'].last()你能幫我如何過濾額外的數(shù)據(jù)嗎？謝謝df
2 回答
墨色風(fēng)雨
TA貢獻(xiàn)1853條經(jīng)驗 獲得超6個贊
不是悸子
result = []
for i in df['ID'].unique():
adf = df[df['ID'] == i].sort_values(by="Date").reset_index(drop=True)
i = adf.where(adf['Start_flag'] == 1).last_valid_index()
result.append(adf.iloc[range(i, len(adf))])
print (pd.concat(result).reset_index(drop=True))
輸出：
Date ID Start_flag end
0 2019-01-09 100 1 0
1 2019-01-10 100 0 0
2 2019-01-11 100 0 0
3 2019-01-12 100 0 0
4 2019-01-03 500 1 0
5 2019-01-04 500 0 0
6 2019-01-05 500 0 0
7 2019-01-06 500 0 0
8 2019-01-07 500 0 0
9 2019-01-08 500 0 0
10 2019-01-09 700 1 0
11 2019-01-10 700 0 0
12 2019-01-11 700 0 1
注意：我們可以通過將邏輯移動到函數(shù)并通過 調(diào)用函數(shù)來避免循環(huán)。但是，在拳頭組上運(yùn)行函數(shù)兩次，因此我們必須確保我們的函數(shù)沒有副作用。applygroupbygroupby
使用分組：
def fun(adf):
adf = adf.sort_values(by="Date").reset_index(drop=True)
i = adf.where(adf['Start_flag'] == 1).last_valid_index()
return adf.iloc[range(i, len(adf))]
print (df.groupby('ID').apply(fun).reset_index(drop=True))
精慕HU
TA貢獻(xiàn)1845條經(jīng)驗 獲得超8個贊
最終更正的解決方案是：
def validateData(adf):
adf = adf.sort_values(by="Date").reset_index(drop=True)
indx = adf.where(((adf['Start_flag']==0) & (adf['Date']==adf['Date'].min())) | (adf['Start_flag'] == 1)).last_valid_index()
return adf.iloc[range(indx, len(adf))]
def filterData(df):
start_time = datetime.now()
print('Start_time=', start_time)
RESULT_DF = df.groupby('ID').apply(lambda x: validateData(x))
print("--- %s seconds ---" % (datetime.now() - start_time))
return RESULT_DF
要應(yīng)用于數(shù)據(jù)：RESULT_DF = filterData(df)
添加回答
舉報
0/150
提交
取消