删除第二个数据帧间隔中的数据帧时间戳

Posted 2023-03-12

【中文标题】删除第二个数据帧间隔中的数据帧时间戳

【英文标题】：Delete dataframe timestamps which are in second dataframe intervals

【发布时间】：2020-03-31 16:55:39

【问题描述】：

给定：两个数据帧的列=（id，时间戳），另一个数据帧列=（id，start_interval，end_interval），id 总是相同的。其中一个由 timetemp sec 组成，另一个只有时间戳间隔。

df_timestamp

    id      timestamp
1   11006   1365       
2   11006   1366       
3   11006   1367
4   11006   1368
5   11006   1369   
...
101 11006   1465
102 11006   1466
103 11006   1467
104 11006   1468
...

df_intervals

    id      start_interval    end_interval
1   11006   1250              1366
2   11006   1369              1455
...
12  11006   1466              1467
13  11006   1620              1950
...

任务：我需要创建新的数据框，其中 df_timestamp ['timestamp'] 值不在 df_intervals 'intervals' 值中或之间。

输出：

new_df

   id     timestamp  
1  11006  1367       
2  11006  1368 
...
77 11006  1465
78 11006  1468
...

我尝试merge() 他们，但这个 dfs 非常大。也尝试添加一些逻辑表达式并失败。合并的情况似乎有效，但需要无限时间才能运行。此外，合并后需要合适的.loc。

有没有更优雅、更有效的方法来做到这一点？

【参考方案1】：

如果我理解正确，你需要它：

crit=  df_timestamp.timestamp.isin(df_intervals.start_interval) \
     | df_timestamp.timestamp.isin(df_intervals.end_interval)

df_timestamp.loc[~crit]                                                                                              

编辑：

#For readablity:
    df_interval, df_timestamp= dfi,dft


    matched= dft.groupby( lambda idx: \
                           (  dfi.start_interval.le(dft.loc[idx,"timestamp"]) \
                            & dfi.end_interval.ge(dft.loc[idx,"timestamp"])).any() ) \
                    .groups[False]                                                                               

    Out:
       df_timestamp.loc[matched]  

index     id  timestamp
2          3  11006     1367.0
3          4  11006     1368.0
5  101 11006   1465        NaN
6  102 11006   1466        NaN
7  103 11006   1467        NaN
8  104 11006   1468        NaN

EDIT2： 先前代码的变体，具有列表理解：

dft.loc[ [(dfi.start_interval.gt(ts) | dfi.end_interval.lt(ts)).all() for ts in dft.timestamp] ]

【讨论】：

感谢您的回答，但也不能在间隔之间

参见上面的编辑代码。我想知道这个解决方案是否比您的解决方案更快或更“优雅”。