问题描述
我试图输出一个表格,在那里我可以看到每辆车每天行驶的公里数, 但我得到的计算是错误的。
给出我拥有的一小段数据。 每辆车每天将其当前里程表读数发送到中央服务器数百次。
TS DATE VEH odoMETER
2021-03-12 12:58:15.500 2021-03-12 008 2932
2021-03-12 00:00:21.700 2021-03-12 002 64253
2021-03-12 00:02:21.500 2021-03-12 002 64254
2021-03-12 00:03:41.400 2021-03-12 002 64255
2021-03-12 00:05:38.200 2021-03-12 002 64256
... ... ... ...
2021-03-12 23:55:88.100 2021-03-12 002 64953
2021-03-12 00:05:38.200 2021-03-13 002 64954
在上面的例子中应该很清楚,2021-03-12 车辆 2 的第一个和最后一个里程表读数是 64953-64253 = 700 公里 但是第二天的第一个读数是 64954,因此将当天第一个和最后一个里程表值之间的 diff() 分组,一些公里正在消失,如下所示
def grp_odo(dfObj):
dfObj['odoMETER'] = dfObj['odoMETER'].astype(int)
dfObj["km"] = dfObj.groupby(["DATE","VEH"])["odoMETER"].diff()
sum_km = dfObj.groupby(["DATE","VEH"],as_index=False)["km"].sum()
return sum_km
dfodo = grp_odo(df[['DATE','VEH','odoMETER']].loc[(~pd.isna(df['odoMETER']))])
打印 groupby 每天的里程表差异:
print(dfodo)
DATE WSTRPVID km
0 2021-01-01 001 523.0
1 2021-01-01 002 700.0
2 2021-01-01 003 781.0
3 2021-01-01 004 2.0
4 2021-01-01 005 553.0
... ... ... ...
3375 2021-04-09 034 802.0
3376 2021-04-09 035 615.0
3377 2021-04-09 036 778.0
3378 2021-04-09 038 425.0
3379 2021-04-09 039 386.0
打印分组数据从开始到结束车辆行驶总公里数的总和。
print(dfodo[dfodo.VEH== "002"].sum())
km: 36796
打印数据框中最高和最低里程表值的总和
print(df[df.VEH== "002"].groupby('VEH')['odoMETER'].agg(np.ptp))
VEH
002 36898
Name: odoMETER,dtype: int64
我想要一个输出,其中 2021-03-12 是 701km,所以 2021-03-12 的第一个值和 2021-03-13 的第一个值之间存在差异,这可能吗?
解决方法
输入:
>>> df
TS DATE VEH ODOMETER
0 2021-03-12 12:58:15.500 2021-03-12 008 2932.0
1 2021-03-12 00:00:21.700 2021-03-12 002 64253.0
2 2021-03-12 00:02:21.500 2021-03-12 002 64254.0
3 2021-03-12 00:03:41.400 2021-03-12 002 64255.0
4 2021-03-12 00:05:38.200 2021-03-12 002 64256.0
5 2021-03-12 23:55:48.100 2021-03-12 002 64953.0
6 2021-03-12 00:05:38.200 2021-03-13 002 64954.0
输出:
>>> df.assign(TOTAL=df.groupby("VEH")["ODOMETER"].shift(-1) - df["ODOMETER"]) \
.groupby(["DATE","VEH"]).sum()["TOTAL"]
DATE VEH
2021-03-12 002 701.0
008 0.0
2021-03-13 002 0.0
Name: TOTAL,dtype: float64
,
df = pd.DataFrame({'DATE': ['2021-03-12','2021-03-12','2021-03-13'],'VEH': ['008','002',],'ODOMETER': [2932,64253,64254,64255,64256,64953,64954]})
df.sort_values(['VEH','DATE'],inplace=True)
DATE VEH ODOMETER
1 2021-03-12 002 64253
2 2021-03-12 002 64254
3 2021-03-12 002 64255
4 2021-03-12 002 64256
5 2021-03-12 002 64953
6 2021-03-13 002 64954
0 2021-03-12 008 2932
为每个车辆、日期组创建一个采用最小 ODOMETER 值的列
dff = df.groupby(['VEH',as_index=False).agg({'ODOMETER': 'min'})
VEH DATE ODOMETER
0 002 2021-03-12 64253
1 002 2021-03-13 64954
2 008 2021-03-12 2932
车辆组每个日期之间的差异。
dff['TOTAL_DIST'] = dff.groupby('VEH')['ODOMETER'].shift(-1)-dff.groupby('VEH')['ODOMETER'].shift(0)
VEH DATE ODOMETER TOTAL_DIST
0 002 2021-03-12 64253 701.0
1 002 2021-03-13 64954 NaN
2 008 2021-03-12 2932 NaN
,
您可以将 2 个连续的 df.groupby()
与 GroupBy.first()
和 shift()
一起使用,如下所示:
df_daily = df.groupby(['DATE','VEH'],as_index=False)['ODOMETER'].first()
df_daily['km_diff'] = df_daily.groupby('VEH')['ODOMETER'].shift(-1) - df_daily.groupby('VEH')['ODOMETER'].shift(0)
试运行
测试数据构建
cols= ['TS','DATE','VEH','ODOMETER']
data = [
['2021-03-12 12:58:15.500','008',2932],['2021-03-13 12:58:15.500','2021-03-13',3032],['2021-03-12 00:00:21.700',64253],['2021-03-12 00:02:21.500',64254],['2021-03-12 00:03:41.400',64255],['2021-03-12 00:05:38.200',64256],['2021-03-12 23:55:88.100',64953],64954]
]
df = pd.DataFrame(data,columns=cols)
print(df)
TS DATE VEH ODOMETER
0 2021-03-12 12:58:15.500 2021-03-12 008 2932
1 2021-03-13 12:58:15.500 2021-03-13 008 3032 <=== Added this test data
2 2021-03-12 00:00:21.700 2021-03-12 002 64253
3 2021-03-12 00:02:21.500 2021-03-12 002 64254
4 2021-03-12 00:03:41.400 2021-03-12 002 64255
5 2021-03-12 00:05:38.200 2021-03-12 002 64256
6 2021-03-12 23:55:88.100 2021-03-12 002 64953
7 2021-03-12 00:05:38.200 2021-03-13 002 64954
运行新代码
df_daily = df.groupby(['DATE',as_index=False)['ODOMETER'].first()
df_daily['km_diff'] = df_daily.groupby('VEH')['ODOMETER'].shift(-1) - df_daily.groupby('VEH')['ODOMETER'].shift(0)
结果:
print(df_daily)
DATE VEH ODOMETER km_diff
0 2021-03-12 002 64253 701.0
1 2021-03-12 008 2932 100.0
2 2021-03-13 002 64954 NaN
3 2021-03-13 008 3032 NaN