大熊猫中日期时间列的日期级别的groupby聚合

Posted

技术标签:

【中文标题】大熊猫中日期时间列的日期级别的groupby聚合【英文标题】:groupby aggregation on day level of date time column in pandas 【发布时间】:2020-07-18 08:21:03 【问题描述】:

我有一个如下所示的数据框。这是一个医生预约数据。

  Doctor     Appointment              Show
  A          2020-01-18 12:00:00      Yes
  A          2020-01-18 12:30:00      Yes
  A          2020-01-18 13:00:00      No
  A          2020-01-18 13:30:00      Yes
  B          2020-01-18 12:00:00      Yes
  B          2020-01-18 12:30:00      Yes
  B          2020-01-18 13:00:00      No
  B          2020-01-18 13:30:00      Yes
  B          2020-01-18 16:00:00      No
  B          2020-01-18 16:30:00      Yes
  A          2020-01-19 12:00:00      Yes
  A          2020-01-19 12:30:00      Yes
  A          2020-01-19 13:00:00      No
  A          2020-01-19 13:30:00      Yes
  A          2020-01-19 14:00:00      Yes
  A          2020-01-19 14:30:00      No
  A          2020-01-19 16:00:00      No
  A          2020-01-19 16:30:00      Yes
  B          2020-01-19 12:00:00      Yes
  B          2020-01-19 12:30:00      Yes
  B          2020-01-19 13:00:00      No
  B          2020-01-19 13:30:00      Yes
  B          2020-01-19 14:00:00      No
  B          2020-01-19 14:30:00      Yes
  B          2020-01-19 15:00:00      No
  B          2020-01-18 15:30:00      Yes

从上面的数据框中,我想在 pandas 中创建一个函数,它将输出以下内容。

我在下面尝试过

def Doctor_date_summary(doctor, date):
   Number of slots = df.groupby([doctor, date] ).sum()

预期输出:

Doctor_date_summary(Doctor, date)
If Doctor = A, date = 2020-01-19

Number of slots = 8
Number of show up = 5
show up percentage = 62.5

该医生在该日期的显示列中是的数量 = 5

【问题讨论】:

一个问题 - 您是否需要像我的问题一样计算所有数据,然后按日期和医生选择?还是只需要选择一些值并像另一个问题一样计算? 只需要选择一些值并像另一个一样计数。 不是所有的只有一些被选中 【参考方案1】:

您可以在函数中单独创建每个掩码,然后按位链接& ANDsum 进行计数:

df['Appointment'] = pd.to_datetime(df['Appointment'])

def Doctor_date_summary(doctor, date):
    m1 = df['Doctor'] == doctor
    m2 = df['Appointment'].dt.normalize() == date
    m3 = df['Show'] == 'Yes'
    show_up = (m1 & m2 & m3).sum()
    no = (m1 & m2).sum()
    return show_up, no

up, no = Doctor_date_summary('A', '2020-01-19')

最后一个输出使用f-strings:

print(f"Number of slots = up")
print(f"Number of show up = no")
print(f"show up percentage = up/no*100")
Number of slots = 5
Number of show up = 8
show up percentage = 62.5

【讨论】:

【参考方案2】:

您可以先从here 创建一个日期列:

df['day'] = df['Appointment'].dt.floor('d')

然后你可以使用布尔索引:

def Doctor_date_summary(Doctor, date):
    number_of_show_up = np.sum((df['Doctor']==Doctor) & (df['day']==date) & (df['Show']=='Yes'))
    number_of_slots = np.sum((df['Doctor']==Doctor) & (df['day']==date))

    return number_of_show_up, number_of_slots, 100*number_of_show_up/number_of_slots

最后:

number_of_show_up, number_of_slots, percentage = Doctor_date_summary('A', '2020-01-19')

print("Number of slots = ".format(number_of_slots))
print("Number of show up = ".format(number_of_show_up))
print("show up percentage = :.1f".format(percentage))

Number of slots = 8
Number of show up = 5
show up percentage = 62.5

【讨论】:

以上是关于大熊猫中日期时间列的日期级别的groupby聚合的主要内容,如果未能解决你的问题,请参考以下文章

获取熊猫 groupby 对象中多列的最大聚合

熊猫:groupby 和转换与日期时间

熊猫:自某个日期以来经过的天数

根据另一列的值修改熊猫中的日期时间列

GroupBy 聚合,包括 mongo 中的缺失日期

更改熊猫中日期时间列的时区并添加为分层索引