如果分组增量 > 5 秒，请附加新的唯一 ID

Question

我想根据分组增量将新 ID 附加到当前组（id 列），该增量指示组（id 列）没有出现在数据框中的时间。如果增量超过 5（秒），我想将新 ID 附加到我的 ID，如“expected_id”列中所示。新的 ID 应该是唯一的。

关于如何做到这一点有什么建议吗？

这是我的数据（df）：

id  datetime                    delta   expected_id 
0   2023-12-04 10:51:30.158743  nan     0
1   2023-12-04 10:51:31.734037  nan     1
1   2023-12-04 10:51:33.219067  1.48    1    
1   2023-12-04 10:51:34.469723  1.25    1
0   2023-12-04 10:51:35.862997  5.70    2
0   2023-12-04 10:51:37.280209  1.41    2
0   2023-12-04 10:51:38.741301  1.46    2
0   2023-12-04 10:51:40.239296  1.49    2
1   2023-12-04 10:51:41.590683  7.12    3
1   2023-12-04 10:51:43.060751  1.47    3
1   2023-12-04 10:51:44.566724  1.50    3
1   2023-12-04 10:51:46.066713  1.49    3
0   2023-12-04 10:51:47.493897  7.25    4
0   2023-12-04 10:51:48.994885  1.50    4
0   2023-12-04 10:51:50.557707  1.56    4
0   2023-12-04 10:51:52.116537  1.55    4
0   2023-12-04 10:51:53.642456  1.52    4
1   2023-12-04 10:51:55.115518  9.04    5

我用这个实现的增量列：

df['delta'] = df.groupby("id")['datetime'].diff() / np.timedelta64(1, 's')

如何创建我的“expected_id”列？

Answer 1

如果我理解正确，您只需将

id

转换为新的预期 id，如下所示：

df["new_expected_id"] = (df["id"] != df["id"].shift()).cumsum() - 1
print(df)

打印：

    id                   datetime  delta  expected_id  new_expected_id
0    0 2023-12-04 10:51:30.158743    NaN            0                0
1    1 2023-12-04 10:51:31.734037    NaN            1                1
2    1 2023-12-04 10:51:33.219067   1.48            1                1
3    1 2023-12-04 10:51:34.469723   1.25            1                1
4    0 2023-12-04 10:51:35.862997   5.70            2                2
5    0 2023-12-04 10:51:37.280209   1.41            2                2
6    0 2023-12-04 10:51:38.741301   1.46            2                2
7    0 2023-12-04 10:51:40.239296   1.49            2                2
8    1 2023-12-04 10:51:41.590683   7.12            3                3
9    1 2023-12-04 10:51:43.060751   1.47            3                3
10   1 2023-12-04 10:51:44.566724   1.50            3                3
11   1 2023-12-04 10:51:46.066713   1.49            3                3
12   0 2023-12-04 10:51:47.493897   7.25            4                4
13   0 2023-12-04 10:51:48.994885   1.50            4                4
14   0 2023-12-04 10:51:50.557707   1.56            4                4
15   0 2023-12-04 10:51:52.116537   1.55            4                4
16   0 2023-12-04 10:51:53.642456   1.52            4                4
17   1 2023-12-04 10:51:55.115518   9.04            5                5

---

编辑：

group_mask = (df["id"] != df["id"].shift()).cumsum()
df["new_expected_id"] = df["delta"] > 5.0

df["new_expected_id"] = (
    df.groupby(["id", group_mask], sort=False)["new_expected_id"]
    .apply(lambda x: f"{x.name[1]} " + x.cumsum().astype(str))
    .values
)

df["new_expected_id"] = pd.Categorical(df["new_expected_id"]).codes
print(df)