For 循环在日期时间列中计算分钟并附加到秒

如何解决For 循环在日期时间列中计算分钟并附加到秒

我有一个数据框，我需要向日期时间列添加第二个单位。我尝试了各种重采样方法，但我做不到！！！这是我的数据示例。

$

id  date_time
73430677    4:24:00
73430688    4:24:00
73430703    4:24:00
73430713    4:24:00
73430718    4:24:00
73430728    4:24:00
73430771    4:25:00
73430818    4:25:00
73430864    4:25:00
73430904    4:25:00
73430942    4:25:00
73430993    4:25:00

我如何计算相似的分钟数，然后根据它们的数量生成第二个间隔 uinte。例如，4:24:00 重复 6 次，然后每 10 秒收集一次数据。

我正在寻找一种计算相似分钟数的解决方案，然后通过以秒为单位计算数据收集时间间隔（60/（重复分钟数）），将秒值附加到日期时间列。

我欢迎任何实用的解决方案！！！！

解决方法

• 修改了您的示例数据，使一组 6 人和一组 5 人
• groupby().transform() 计算要添加到时间的秒数
• 添加秒数
• 清理临时列秒

from pathlib import Path
df = pd.read_csv(io.StringIO("""id  date_time
73430677    4:24:00
73430688    4:24:00
73430703    4:24:00
73430713    4:24:00
73430718    4:24:00
73430728    4:24:00
73430771    4:25:00
73430818    4:25:00
73430904    4:25:00
73430942    4:25:00
73430993    4:25:00"""),sep="\s+")

# add a dummy column
df["x"] = 1
f = Path.cwd().joinpath("SO_seconds.csv")
df.to_csv(f)

# read from a file
df = pd.read_csv(f)
df.date_time = pd.to_datetime(df.date_time)
# do the actual requirement
df = (df.assign(secs=df.groupby("date_time")["id"].transform(lambda s: [((i+1)/len(s))*60 for i,v in enumerate(s)]),date_time=lambda dfa: dfa.apply(lambda r: r.date_time + pd.Timedelta(seconds=r.secs),axis=1).dt.time)
 .drop(columns=["secs"])
)

	id	date_time
0	73430677	04:24:10
1	73430688	04:24:20
2	73430703	04:24:30
3	73430713	04:24:40
4	73430718	04:24:50
5	73430728	04:25:00
6	73430771	04:25:12
7	73430818	04:25:24
8	73430904	04:25:36
9	73430942	04:25:48
10	73430993	04:26:00

,

使用 .groupby 方法并应用自定义函数，我们得到以下代码。我从您的数据框中删除了一行，以显示以秒为增量的差异：

import io
import datetime
import pandas as pd

resec_last = None
extra_secs = None
num_secs = None
dfg = None

def resec(row):
    global resec_last,extra_secs,num_secs,dfg
    new_blk = resec_last is None or row.date_time != resec_last
    if new_blk:
        resec_last = row.date_time
        cnt = dfg.loc[row.date_time].id
        extra_secs = datetime.timedelta(seconds=60/cnt)
        num_secs = 1
    else:
        row.date_time += num_secs * extra_secs
        num_secs += 1
    return row

csv_str = '''\
id  date_time
73430677    4:24:00
73430688    4:24:00
73430703    4:24:00
73430713    4:24:00
73430718    4:24:00
73430728    4:24:00
73430771    4:25:00
73430818    4:25:00
73430864    4:25:00
73430904    4:25:00
73430942    4:25:00
'''
# 73430993    4:25:00

with io.StringIO(initial_value=csv_str) as f:
    df = pd.read_csv(f,sep='\s+')
df.date_time = pd.to_datetime(df.date_time)
dfg = df.groupby('date_time').count()
df2 = df.apply(resec,axis=1,result_type='broadcast')
print(df2)

输出

          id           date_time
0   73430677 2021-02-27 04:24:00
1   73430688 2021-02-27 04:24:10
2   73430703 2021-02-27 04:24:20
3   73430713 2021-02-27 04:24:30
4   73430718 2021-02-27 04:24:40
5   73430728 2021-02-27 04:24:50
6   73430771 2021-02-27 04:25:00
7   73430818 2021-02-27 04:25:12
8   73430864 2021-02-27 04:25:24
9   73430904 2021-02-27 04:25:36
10  73430942 2021-02-27 04:25:48