比较组组内的 ID - 我的分组或循环有什么问题？

Question

我想比较数据集中的时间间隔（5 秒）并将条件格式应用于另一组表，以便将 IDs 分类为组大小。我的代码如下所示：mindist = 100maxdist = 200grouped1 = result1.groupby(pd.TimeGrouper(key='date', freq="5S"))group = []for i, groups1 in grouped1:    for g, tables1 in groups1.groupby('table'):        for d1,d2 in zip(tables1.nnDist1,tables1.nnDist2):            if tables1.id.nunique() > 2 and d1 < mindist and d2 < maxdist:                group.append(2)            elif tables1.id.nunique() == 2 and d1 < mindist and d2 > maxdist:                group.append(1)            elif tables1.id.nunique() < 2:                group.append(0)            else:                group.append(9)result1['gs_pred'] = group它基本上做我想做的。将数据集分成5秒的时间束，进一步分组成表，比较每张表是否有超过1个唯一ID，并根据距离，将它们分为0=单独，1=成对，2=组.我的问题是，有时即使满足条件，它也会错误地对我的数据进行分类。例如组“表 5”：id      nnDist1             nnDist2             table   zone    pred_gs   date3479.0  55.06369039574004   68.07613385026653   Table5  Zone2   0         2019-10-09 15:30:41.4313477.0  55.06369039574004   99.14655818534048   Table5  Zone2   0         2019-10-09 15:30:41.4313476.0  38.02749005658375   80.28754573408989   Table5  Zone2   2         2019-10-09 15:30:41.4313473.0  38.02749005658375   68.07613385026653   Table5  Zone2   2         2019-10-09 15:30:41.4313473.0  38.07413820430603   70.09457896299827   Table5  Zone2   2         2019-10-09 15:30:43.8313479.0  53.91660226686884   70.09457896299827   Table5  Zone2   2         2019-10-09 15:30:43.8313477.0  53.91660226686884   100.09240730444223  Table5  Zone2   2         2019-10-09 15:30:43.8313476.0  38.07413820430603   80.2626314046803    Table5  Zone2   2         2019-10-09 15:30:43.831即使 ID 3479 和 3477 与其他 ID 在同一组中，并且距离低于阈值，为什么它会将这些 ID 分类为 0=独坐？我希望有人有想法吗？我的分组在这里做错了什么？非常感谢您的帮助！

Answer 1

groupby避免在运行时出现循环解决方案，sort=True但您可以按原始数据帧的顺序进行分配。此外，您正在迭代地检查标量值，而不是通过向量化的系列。

相反，请考虑groupby().apply()使用np.selectornp.where有条件地分配gs_pred列的方法。使用这种方法，您可以保持所有组和基础值不变：

def calc_groups(g):

    # LOGICAL CONDITIONS

    cond1 = (g['id'].nunique() >  2) & (g['nnDist1'] < mindist) & (g['nnDist2'] < maxdist)

    cond2 = (g['id'].nunique() == 2) & (g['nnDist1'] < mindist) & (g['nnDist2'] > maxdist)

    cond3 = (g['id'].nunique() <  2)

    # NUMPY SELECT APPROACH

    g['gs_pred2'] = np.select([cond1, cond2, cond3], [2, 1, 0], default=9)

    # NUMPY WHERE APPROACH  

    g['gs_pred3'] = np.where(cond1, 2,

                             np.where(cond2, 1,

                                      np.where(cond3, 0, 9)

                             )

                    )

    return g

# RUN ASSIGNMENT BY GROUP(S)

result1 = (result1.groupby([pd.Grouper(key='date', freq="5S"), 'table'], as_index=False)

                  .apply(calc_groups))