我有一个.rvd数据的.csv数据集，该数据涉及第二人与之互动的时间：
tag_me是人员1的变量，tag_them是您在第二秒遇到的人的名称，time_local_s是进行交互的时间。 rfid在19:00:00开始记录，因此第一次互动是在19:22:36（19:00:00 + 1356秒）记录的。
tag_me,tag_them,time_local_s
0x597E5627,0x3C992634,1356
0x597E5627,0x3C992634,1360
0x597E5627,0x3C992634,1361
0x597E5627,0x3C992634,1362
0x597E5627,0x3C992634,1363
0x597E5627,0x7DA8FFB0,1364
0x597E5627,0x3C992634,1365
0x597E5627,0x3C992634,1365
0x597E5627,0x3C992634,1366
0x597E5627,0x7DA8FFB0,1366
0x597E5627,0x36570942,1366
0x597E5627,0x3C3A21AD,1369
0x597E5627,0x06497CA4,1370
0x597E5627,0x06497CA4,1372
0x597E5627,0x06497CA4,1372
0x597E5627,0x06497CA4,1374
0x597E5627,0x06497CA4,1374
0x597E5627,0x064F5882,1379
我想将每次互动分组为一行，记录互动开始，结束的时间以及花费的时间。因此，我可以过滤某个阈值（两个rfid彼此见面2秒钟当然不是真正的交互。
tag_me,tag_them,time_start,time_end,total_time
0x597E5627,0x3C992634,1356,1363,7
0x597E5627,0x7DA8FFB0,1364,1363,1
0x597E5627,0x3C992634,1365,1366,1
0x597E5627,0x7DA8FFB0,1366,1366,1
0x597E5627,0x36570942,1366,1366,1
0x597E5627,0x3C3A21AD,1369,1369.1
0x597E5627,0x06497CA4,1370,1374,4
0x597E5627,0x064F5882,1379,1379,1
到目前为止，我已经尝试过了：
data = []
with open('timemerger.csv') as f:
for line in f:
data.append(line)
past_interactions = []
interactions = []
now = -1
new_data = []
for line in enumerate(data):
if line["time_local_s"] > now:
for tag_them, indices in past_interactions:
if tag_them not in data:
interactions.append(entry["tag_them"])
---------------编辑7-5-2018 ----------
import pandas as pd
df = pd.read_csv('filter20seconden1.csv')
cols = df.columns.difference(['time_start', 'time_end'])
grps = df.time_start.sub(df.time_end.shift()).gt(20).cumsum()
gpby = df.groupby(grps)
new = gpby.agg(dict(time_start='min',
time_end='max')).join(gpby[cols].sum())
最佳答案
就像您在评论中提到的那样，您不介意使用pandas，这是一种解决方案。它有点长，也许有一种更有效的方法，但是我认为它可以工作：
import pandas as pd
# Read in your csv
df = pd.read_csv('timemerger.csv')
# Create a new column with an "interaction number"
df = df.assign(interaction_num=(df.tag_them != df.tag_them.shift()).cumsum())
# Groupby the interaction number, and extract the min and max times:
gb = (df.groupby('interaction_num')
.apply(
lambda x: pd.Series([x['time_local_s'].min(),
x['time_local_s'].max()]
))
.rename(columns={0:'time_start', 1:'time_end'}))
# Merge the min and max times per interaction number with your original dataframe:
df = df.merge(gb, left_on = 'interaction_num', right_index=True)
# Create a new column for length of time, groupby interaction again, and take first value:
df = (df.assign(total_time = df.time_end - df.time_start)
.groupby('interaction_num')
.first()
.drop('time_local_s', axis=1))
# Finally, save your dataframe:
df.to_csv('output.csv', index=None)
您的新
output.csv将如下所示：tag_me,tag_them,time_start,time_end,total_time
0x597E5627,0x3C992634,1356,1363,7
0x597E5627,0x7DA8FFB0,1364,1364,0
0x597E5627,0x3C992634,1365,1366,1
0x597E5627,0x7DA8FFB0,1366,1366,0
0x597E5627,0x36570942,1366,1366,0
0x597E5627,0x3C3A21AD,1369,1369,0
0x597E5627,0x06497CA4,1370,1374,4
0x597E5627,0x064F5882,1379,1379,0
请注意，互动在同一秒开始和结束时为零，而所需的结果为
1。可以通过在df.replace({'total_time':{0:1}}, inplace=True)之前使用to_csv来轻松更改（我将其保留在此处，因为我认为否则，您的数据将失去零秒互动与1秒互动之间的差异）。分解：
第一个
assign()和.shift()为单独的交互创建一列： tag_me tag_them time_local_s interaction_num
...
3 0x597E5627 0x3C992634 1362 1
4 0x597E5627 0x3C992634 1363 1
5 0x597E5627 0x7DA8FFB0 1364 2
6 0x597E5627 0x3C992634 1365 3
7 0x597E5627 0x3C992634 1365 3
...
然后，
.groupby和lambda函数获取交互的min和max时间，并将其重命名为time_start和time_end： time_start time_end
interaction_num
1 1356 1363
2 1364 1364
3 1365 1366
4 1366 1366
...
然后，您将该
groupby的结果与原始数据帧合并，其中interaction_num与索引匹配，结果为：...
3 0x597E5627 0x3C992634 1362 1 1356 1363
4 0x597E5627 0x3C992634 1363 1 1356 1363
5 0x597E5627 0x7DA8FFB0 1364 2 1364 1364
6 0x597E5627 0x3C992634 1365 3 1365 1366
7 0x597E5627 0x3C992634 1365 3 1365 1366
...
最后，再次使用
assign，然后再次使用groupby interaction_num创建一列时差，并删除不必要的'time_local_s'列，得到最终的数据帧。关于python - python将交互数据合并为一行，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/50089228/