TL:DR
我想按主题和30天的时间段进行分组,但是30天的时间段不是按主题进行个性化设置的。
处理此问题的最佳方法是什么?
完整说明
我有一个参与者样本,他们都是在不同时间开始科学研究的。我想使用TimeGrouper在研究的第一天之后每30天细分一次。
经过一些搜索之后,似乎不可能实现,因为很难为TimeGrouper指定起点。因此,作为代理,我可以为每个人使用第一个观察到的时间戳。
为此,我尝试按参与者ID和TimeGrouper进行分组,但是30天的时间似乎从最早的全局时间点开始计算,而不是从每个参与者的最早时间点开始计算。
我知道这有点复杂,所以这里是一些代码:
这是一个伪数据框,代表我正在使用的数据类型:
fakedf = pd.DataFrame({'participantID':['subj1', 'subj1', 'subj1', 'subj1', 'subj2', 'subj2', 'subj2', 'subj2'],
'timestamp':['2015-06-25 01:12:00', '2015-06-30 11:02:00', '2015-07-05 09:33:00', '2015-07-28 07:22:00',
'2015-07-25 01:11:00', '2015-07-31 11:02:00', '2015-08-07 09:33:00', '2015-08-10 07:22:00'], 'studystart':['2015-06-20 00:00:00', '2015-06-20 00:00:00', '2015-06-20 00:00:00', '2015-06-20 00:00:00',
'2015-07-25 00:00:00', '2015-07-25 00:00:00', '2015-07-25 00:00:00', '2015-07-25 00:00:00']})
fakedf.index = pd.to_datetime(fakedf.timestamp)
上面的代码应创建此数据框:
下面是我希望实际工作的代码:
fakedf.groupby(['participantID', pd.TimeGrouper(freq="30D", closed='left')]).count()
这是输出:
您可以看到subj1和subj2在2015-06-25开始它们的时间分组,尽管subj2直到2015-07-25才有真实的时间戳。
如果我可以通过以下任一方式开始每30天一次的时间分组,那我会很高兴:
a)研究开始日期,或
b)每个参与者的第一个时间戳
我有一个我知道可以使用的低技术解决方案,但是我希望有一个很好的,优雅的TimeGrouper解决方案。
提前致谢!
最佳答案
要使TimeGrouper
处于参与者级别,请首先在groupby
上执行'participantID'
,然后在每个组内,在groupby
上执行另一个TimeGrouper
。为了清楚起见,我将第二个groupby
分离为一个单独的函数。
def inner_groupby(grp, key=None):
return grp.groupby(pd.TimeGrouper(key=key, freq='30D')).count()
fakedf.groupby('participantID').apply(inner_groupby)
结果输出:
participantID studystart timestamp
participantID timestamp
subj1 2015-06-25 01:12:00 3 3 3
2015-07-25 01:12:00 1 1 1
subj2 2015-07-25 01:11:00 4 4 4
您无需为
key
指定TimeGrouper
。默认情况下,我相信它将使用索引。但是,如果希望TimeGrouper
位于其他列上,例如'studystart'
,则可以通过key
参数传递它:fakedf.groupby('participantID').apply(inner_groupby, key='studystart')
以及
key='studystart'
的结果输出: participantID timestamp
participantID studystart
subj1 2015-06-20 4 4
subj2 2015-07-25 4 4
关于python - PANDAS TimeGrouper具有个性化的下采样起点,我们在Stack Overflow上找到一个类似的问题:https://stackoverflow.com/questions/37954489/