本文介紹了如何使用 Pandas 將 DataFrame 按照特定的站點循環(huán)進行拆分，尤其適用于處理公交線路數(shù)據(jù)，將包含多個循環(huán)的單條線路數(shù)據(jù)分割成獨立的行程。通過 `groupby` 和 `numpy.array_split` 兩種方法，可以靈活地根據(jù)站點周期性重復的特點，將 DataFrame 分割成多個子 DataFrame，每個子 DataFrame 代表一個完整的行程。

在處理公交線路數(shù)據(jù)時，我們經(jīng)常會遇到需要將包含多個行程的 DataFrame 按照行程進行拆分的情況。例如，一個 DataFrame 包含了某條公交線路一天內(nèi)的所有站點和時間信息，而我們希望將它分割成多個子 DataFrame，每個子 DataFrame 代表一次完整的行程。本文將介紹兩種方法來實現(xiàn)這個目標：使用 groupby 和使用 numpy.array_split。

方法一：使用 groupby

這種方法的核心思想是，通過比較當前站點與第一個站點是否相同，并使用 cumsum 函數(shù)來生成分組的依據(jù)。每次遇到第一個站點時，分組計數(shù)器就會增加，從而將 DataFrame 分成多個組。

代碼示例：

import pandas as pd

df = pd.DataFrame({
    "scheduled": ["2023-05-25 13:00", "2023-05-25 13:15", "2023-05-25 13:45", "2023-05-25 14:35", "2023-05-25 14:50", "2023-05-25 15:20"],
    "stop": ["A", "B", "C", "A", "B", "C"]
})

# 將 scheduled 列轉(zhuǎn)換為 datetime 類型
df["scheduled"] = pd.to_datetime(df["scheduled"])

# 創(chuàng)建分組依據(jù)
group = df['stop'].eq(df['stop'].iloc[0]).cumsum()

# 使用 groupby 進行分組
out = [g for _, g in df.groupby(group)]

print(out)

代碼解釋：

1. df['stop'].eq(df['stop'].iloc[0]): 這部分代碼比較了 stop 列中的每個元素與第一個元素是否相等，返回一個布爾類型的 Series。
2. .cumsum(): 這部分代碼對布爾類型的 Series 進行累加求和。當遇到第一個站點時，布爾值為 True，累加值加 1，從而形成分組的依據(jù)。
3. df.groupby(group): 這部分代碼使用 groupby 函數(shù)，根據(jù)生成的分組依據(jù)對 DataFrame 進行分組。
4. [g for _, g in df.groupby(group)]: 這部分代碼使用列表推導式，將分組后的結(jié)果轉(zhuǎn)換為一個列表，列表中的每個元素都是一個子 DataFrame。

輸出結(jié)果：

[                 scheduled stop
0 2023-05-25 13:00:00    A
1 2023-05-25 13:15:00    B
2 2023-05-25 13:45:00    C,                  scheduled stop
3 2023-05-25 14:35:00    A
4 2023-05-25 14:50:00    B
5 2023-05-25 15:20:00    C]

注意事項：

辦公小浣熊

辦公小浣熊是基于商湯大語言模型的原生數(shù)據(jù)分析產(chǎn)品，

77

查看詳情

• 這種方法假設(shè)站點循環(huán)的模式是重復的，并且知道第一個站點是什么。
• 這種方法適用于站點數(shù)量未知，但循環(huán)模式已知的情況。

方法二：使用 numpy.array_split

這種方法的核心思想是，首先計算出唯一的站點數(shù)量，然后使用 numpy.array_split 函數(shù)將 DataFrame 按照站點數(shù)量進行分割。

代碼示例：

import pandas as pd
import numpy as np

df = pd.DataFrame({
    "scheduled": ["2023-05-25 13:00", "2023-05-25 13:15", "2023-05-25 13:45", "2023-05-25 14:35", "2023-05-25 14:50", "2023-05-25 15:20"],
    "stop": ["A", "B", "C", "A", "B", "C"]
})

# 將 scheduled 列轉(zhuǎn)換為 datetime 類型
df["scheduled"] = pd.to_datetime(df["scheduled"])

# 計算唯一站點的數(shù)量
n = df['stop'].nunique()

# 使用 numpy.array_split 進行分割
out = np.array_split(df, range(n, len(df), n))

print(out)

代碼解釋：

1. df['stop'].nunique(): 這部分代碼計算 stop 列中唯一值的數(shù)量，即站點的數(shù)量。
2. range(n, len(df), n): 這部分代碼生成一個分割點的列表。例如，如果 n 為 3，len(df) 為 6，則生成的列表為 [3]，表示在索引為 3 的位置進行分割。
3. np.array_split(df, range(n, len(df), n)): 這部分代碼使用 numpy.array_split 函數(shù)，根據(jù)分割點列表將 DataFrame 分割成多個子 DataFrame。

輸出結(jié)果：

[                 scheduled stop
0 2023-05-25 13:00:00    A
1 2023-05-25 13:15:00    B
2 2023-05-25 13:45:00    C,                  scheduled stop
3 2023-05-25 14:35:00    A
4 2023-05-25 14:50:00    B
5 2023-05-25 15:20:00    C]

注意事項：

• 這種方法假設(shè)每個行程包含的站點數(shù)量是相同的。
• 這種方法適用于已知站點數(shù)量，且每個行程站點數(shù)量相同的情況。

總結(jié)

本文介紹了兩種使用 Pandas 拆分 DataFrame 的方法，分別使用了 groupby 和 numpy.array_split 函數(shù)。選擇哪種方法取決于數(shù)據(jù)的特點和需求。如果站點循環(huán)模式已知，可以使用 groupby 方法；如果已知站點數(shù)量且每個行程站點數(shù)量相同，可以使用 numpy.array_split 方法。在實際應用中，可以根據(jù)具體情況選擇合適的方法，或者結(jié)合兩種方法來實現(xiàn)更復雜的需求。

以上就是Pandas DataFrame 按周期拆分：高效分割公交線路數(shù)據(jù)的詳細內(nèi)容，更多請關(guān)注php中文網(wǎng)其它相關(guān)文章！