我有一個 DataFrame 看起來像：
| gap_id | 物種 | 時間開始 | 時間停止 |
|---|---|---|---|
| 1 | 小麥 | 2021-11-22 00:01:00 | 2021-11-22 00:03:00 |
| 2 | 羊茅 | 2021-12-18 05:52:00 | 2021-12-18 05:53:00 |
我想擴展 DataFrame 以便獲得與每個gap_id的time_start和time_stop之間的分鐘數一樣多的行：
| gap_id | 物種 | 時間 |
|---|---|---|
| 1 | 小麥 | 2021-11-22 00:01:00 |
| 1 | 小麥 | 2021-11-22 00:02:00 |
| 1 | 小麥 | 2021-11-22 00:03:00 |
| 2 | 羊茅 | 2021-12-18 05:52:00 |
| 2 | 羊茅 | 2021-12-18 05:53:00 |
我已經嘗試過該方法pd.data_range，但我不知道如何將它與gap_idgroupby上的make 結合起來
提前致謝
uj5u.com熱心網友回復：
如果小 DataFrame 和性能不重要，則為每一行生成date_range，然后使用DataFrame.explode：
df['time'] = df.apply(lambda x: pd.date_range(x['time_start'], x['time_stop'], freq='T'), axis=1)
df = df.drop(['time_start','time_stop'], axis=1).explode('time')
print (df)
gap_id species time
0 1 wheat 2021-11-22 00:01:00
0 1 wheat 2021-11-22 00:02:00
0 1 wheat 2021-11-22 00:03:00
1 2 fescue 2021-12-18 05:52:00
1 2 fescue 2021-12-18 05:53:00
對于大型 DataFrames，首先在分鐘內按差異start和stop列重復索引，然后添加 counter by GroupBy.cumcountwith convert to timedeltas by to_timedelta：
df['time_start'] = pd.to_datetime(df['time_start'])
df['time_stop'] = pd.to_datetime(df['time_stop'])
df = (df.loc[df.index.repeat(df['time_stop'].sub(df['time_start']).dt.total_seconds() // 60 1)]
.drop('time_stop', axis=1)
.rename(columns={'time_start':'time'}))
td = pd.to_timedelta(df.groupby(level=0).cumcount(), unit='Min')
df['time'] = td
df = df.reset_index(drop=True)
print (df)
gap_id species time
0 1 wheat 2021-11-22 00:01:00
1 1 wheat 2021-11-22 00:02:00
2 1 wheat 2021-11-22 00:03:00
3 2 fescue 2021-12-18 05:52:00
4 2 fescue 2021-12-18 05:53:00
轉載請註明出處，本文鏈接：https://www.uj5u.com/net/444913.html