选择具有设定时间段内最早时间值的数据框行

如何解决选择具有设定时间段内最早时间值的数据框行

我在 r 中有一个 df，其中有许多具有以下格式的记录，“arrival_time”值为 12 小时。

id	到达时间	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，该 df 为到达时间段的每 15 分钟时段和该时段中最早到达时间的记录的 wait_time_value 对应一行。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

我已使用以下代码来实现每 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)

解决方法

将 DataFrame.resample 与 GroupBy.first 一起使用，仅删除 NaN 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

,

使用 dplyr：

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