英文:
How to change the structure of df according date
问题
我最初的pandas数据框如下所示：
| ID | 参数 | 开始日期 | 结束日期 |
|---|---|---|---|
| 1 | 4 | 2023年05月05日 | 2023年05月07日 |
| 2 | 2 | 2023年05月05日 | 2023年05月06日 |
| 3 | 1 | 2023年05月08日 | 2023年05月09日 |
能否从数据框中获得以下结构？实际上，我想展开时间段。
| ID | 参数 | 日期 |
|---|---|---|
| 1 | 4 | 2023年05月05日 |
| 1 | 4 | 2023年05月06日 |
| 1 | 4 | 2023年05月07日 |
| 2 | 2 | 2023年05月05日 |
| 2 | 2 | 2023年05月06日 |
| 3 | 1 | 2023年05月08日 |
| 3 | 1 | 2023年05月09日 |
英文:
My initial pandas df looks as follows:
| ID | Parameter | Start | End |
|---|---|---|---|
| 1 | 4 | 05.05.2023 | 07.05.2023 |
| 2 | 2 | 05.05.2023 | 06.05.2023 |
| 3 | 1 | 08.05.2023 | 09.05.2023 |
Is it possible to get the following structure out of the dataframe? In fact I want to unpivot the time period.
| ID | Parameter | Date |
|---|---|---|
| 1 | 4 | 05.05.2023 |
| 1 | 4 | 06.05.2023 |
| 1 | 4 | 07.05.2023 |
| 2 | 2 | 05.05.2023 |
| 2 | 2 | 06.05.2023 |
| 3 | 1 | 08.05.2023 |
| 3 | 1 | 09.05.2023 |
答案1
得分: 3
将两列转换为日期时间，使用 to_datetime 函数，通过 Index.repeat 创建新行，将差值列转换为天数，使用 Series.dt.days，然后使用 GroupBy.cumcount 计算最后使用计数器，将其转换为天的时间差，添加到 Start 列中，使用 to_timedelta。DataFrame.pop 在使用后移除列：
df['Start'] = pd.to_datetime(df['Start'], dayfirst=True)
df['End'] = pd.to_datetime(df['End'], dayfirst=True)
df = df.loc[df.index.repeat(df.pop('End').sub(df['Start']).dt.days + 1)]
td = pd.to_timedelta(df.groupby(level=0).cumcount(), unit='d')
df['Date'] = df.pop('Start').add(td).dt.strftime('%d.%m.%Y')
df = df.reset_index(drop=True)
print(df)
ID Parameter Date
0 1 4 05.05.2023
1 1 4 06.05.2023
2 1 4 07.05.2023
3 2 2 05.05.2023
4 2 2 06.05.2023
5 3 1 08.05.2023
6 3 1 09.05.2023
英文:
Convert both columns to datetimes by to_datetime, create new rows by Index.repeat with subtraction columns converted to days by Series.dt.days, last use counter by GroupBy.cumcount and convert to days timedeltas added to Start column by to_timedelta, DataFrame.pop is remove column after using:
df['Start'] = pd.to_datetime(df['Start'], dayfirst=True)
df['End'] = pd.to_datetime(df['End'], dayfirst=True)
df = df.loc[df.index.repeat(df.pop('End').sub(df['Start']).dt.days + 1)]
td = pd.to_timedelta(df.groupby(level=0).cumcount(), unit='d')
df['Date'] = df.pop('Start').add(td).dt.strftime('%d.%m.%Y')
df = df.reset_index(drop=True)
print (df)
ID Parameter Date
0 1 4 05.05.2023
1 1 4 06.05.2023
2 1 4 07.05.2023
3 2 2 05.05.2023
4 2 2 06.05.2023
5 3 1 08.05.2023
6 3 1 09.05.2023
通过集体智慧和协作来改善编程学习和解决问题的方式。致力于成为全球开发者共同参与的知识库，让每个人都能够通过互相帮助和分享经验来进步。
评论