在设定的时间段内选择具有最早时间值的数据框行

Posted 2023-02-22

【中文标题】在设定的时间段内选择具有最早时间值的数据框行

【英文标题】：Selecting the data frame row with the earliest time value for a set period

【发布时间】：2021-08-08 14:24:45

【问题描述】：

我在 r 中有一个 df，其中包含许多采用以下格式的记录，以及 12 小时内的“arrival_time”值。

id	arrival_time	wait_time_value
1	2020-02-20 12:02:00	10
2	2020-02-20 12:04:00	5
99900	2020-02-20 23:47:00	8
10000	2020-02-20 23:59:00	21

我想创建一个新的 df，它在到达时间段的每个 15 分钟时隙中都有一行，以及该时隙中最早到达时间的记录的 wait_time_value。因此，在上面的示例中，新 df 的第一行和最后一行将如下所示：

id	period_start	wait_time_value
1	2020-02-20 12:00:00	10
48	2020-02-20 23:45:00	8

我已经使用下面的代码来实现每 15 分钟范围内所有记录的平均等待时间，但我不确定如何选择最早记录的值？

df$period_start <- align.time(df$arrival_time- 899, n = 60*15)

avgwait_df <- aggregate(wait_time_value ~ period_start, df, mean)

【问题讨论】：

您能否提供更易于复制的可重现格式的数据？阅读how to give a reproducible example

【参考方案1】：

将DataFrame.resample 与GroupBy.first 一起使用，仅删除NaNs 并转换为DataFrame：

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

df = (df.resample('15Min', on='arrival_time')['wait_time_value']
        .first()
        .dropna()
        .reset_index(name='wait_time_value'))
print (df)
         arrival_time  wait_time_value
0 2020-02-20 12:00:00             10.0
1 2020-02-20 23:45:00              8.0

【参考方案2】：

使用dplyr:

df %>%
   group_by(period_start) %>%
   summarise(wait_time = min(wait_time_value))

【讨论】：

这不会提供最小的wait_time_value而不是最早到达时间的值吗？

我从你的问题的理解是这就是你想要的。您可以通过在min 函数中将wait_time_value 替换为arrival_time 来获得最早到达时间。