我有以下熊貓資料框df：
| 時間戳 | 版本 | 實際的 | 預測 |
|---|---|---|---|
| 2022-01-19 11:00:00.600 | 1 | 0 | 0 |
| 2022-01-19 11:00:00.800 | 1 | 0 | 1 |
| 2022-01-19 11:00:01.200 | 1 | 1 | 0 |
| 2022-01-19 11:00:01.800 | 1 | 0 | 0 |
| 2022-01-19 11:00:02.200 | 2 | 1 | 1 |
| 2022-01-19 11:00:02.600 | 2 | 0 | 0 |
| 2022-01-19 11:00:03.200 | 3 | 0 | 1 |
| 2022-01-19 11:00:03.600 | 3 | 0 | 0 |
| 2022-01-19 11:00:03.800 | 3 | 1 | 0 |
| 2022-01-19 11:00:03.600 | 4 | 0 | 0 |
| 2022-01-19 11:00:03.800 | 4 | 0 | 1 |
我需要計算1inactual和的值之間的總距離（以毫秒為單位） pred，按 分組version。
預期的答案是：1000 毫秒
- 版本 1：（2022-01-19 11:00:01.200 - 2022-01-19 11:00:00.600）= 400 毫秒
- 版本 2：（2022-01-19 11:00:02.200 - 2022-01-19 11:00:02.200）= 0 毫秒
- 版本 3：（2022-01-19 11:00:03.800 - 2022-01-19 11:00:03.200）= 600 毫秒
uj5u.com熱心網友回復：
假設每個“版本”存在一個“實際”和一個“預測”值，我們可以簡單地減去值。換句話說，如果每個“版本”恰好有 1 個“實際”值和 1 個“預測”值，那么df['actual'].eq(1)每個“版本”恰好有一個值將是 True；對于df['pred'].eq(1). 由于資料按“版本”排序，因此版本匹配。
df['timestamp'] = pd.to_datetime(df['timestamp'])
out = ((df.loc[df['actual'].eq(1), 'timestamp'].to_numpy() -
df.loc[df['pred'].eq(1), 'timestamp'].to_numpy())
.astype('timedelta64[ms]').sum())
如果不是所有版本的 "actual" 或 "pred" 都為 1，我們仍然可以過濾 "actual" 和 "pred" 值；然后在“版本”上合并（這樣每個“版本”都會有一個“實際”和一個“預測”值）；然后找到差異和sum：
df['timestamp'] = pd.to_datetime(df['timestamp'])
merged = (df.loc[df['actual'].eq(1), ['version', 'timestamp']]
.merge(df.loc[df['pred'].eq(1), ['version', 'timestamp']],
on='version', suffixes=('_actual', '_pred')))
out = (merged['timestamp_actual'] - merged['timestamp_pred']).astype('timedelta64[ms]').sum()
輸出：
1000
轉載請註明出處，本文鏈接：https://www.uj5u.com/gongcheng/446259.html