pandas：减去上一行的每一行，并按max将结果分组

debugcn 发表于 Dev

淋巴瘤

我将尽力解释最好的方法，对于每个用户，我每15分钟增加2个counterq（Traf1和Traf2，我每天计算96个值），我需要通过减去每个15分钟为每个用户计算2个新值从之前的值（之前的15分钟）中计算出每个用户的最大值，最后加入该最大值的确切时间集合（使用我的excel文件更清楚）。

ID  date_collection time_collect_traf1  traf1   time_collect_traf2  traf2
USER1   06/10/2020  06/10/2020 00:02    42722552446 06/10/2020 00:02    48354907401
USER1   06/10/2020  06/10/2020 00:17    42723408951 06/10/2020 00:17    48355583235
USER1   06/10/2020  06/10/2020 00:32    42724472767 06/10/2020 00:32    48356231232
USER1   06/10/2020  06/10/2020 00:47    42725824692 06/10/2020 00:47    48356923086
USER1   06/10/2020  06/10/2020 01:02    42726780008 06/10/2020 01:02    48357843935
USER1   06/10/2020  06/10/2020 01:17    42727942297 06/10/2020 01:17    48358668348
USER1   06/10/2020  06/10/2020 01:32    42728814704 06/10/2020 01:32    48359370387
USER1   06/10/2020  06/10/2020 01:47    42729720388 06/10/2020 01:47    48360064369
USER1   06/10/2020  06/10/2020 02:03    42730648238 06/10/2020 02:03    48360775116
USER1   06/10/2020  06/10/2020 02:17    42732118437 06/10/2020 02:17    48361489390
USER1   06/10/2020  06/10/2020 02:32    42735743381 06/10/2020 02:32    48362475815

文件中的示例：Excel文件

如何计算：

1-对于traf1，traf2列，对于每个用户，我需要根据time_collection从先前的值中减去每个值

计算出的增量2次后，我必须按最大值进行分组，而对于每个最大值，我需要在达到最大值时使用time_collection。

例如，在我的excel文件中，我计算了Delta1和Delta2，我需要的最大值为黄色，并且该最大值所需的时间也为黄色。

我从excel文件中退出必须是这样的：

ID  date_collection time_collect_traf1  time_collect_traf2  Max_Delta_Traf1 Max_Delta_traf2
USER1   06/10/2020  06/10/2020 22:02    126733343   06/10/2020 10:32    5442197
USER2   06/10/2020  06/10/2020 13:17    1917627204  06/10/2020 15:17    84254498

提前致谢

梅迪（Mehdi Golzadeh）

我试图找出您需要的东西。希望答案是您需要的：

df =pd.read_excel('USERS_FILE.xlsx')
df=(
    df
    .assign(diff1 = lambda x: x[['ID','date_collection','traf1']].groupby(['ID','date_collection']).diff())
    .assign(diff2 = lambda x: x[['ID','date_collection','traf2']].groupby(['ID','date_collection']).diff())
)
print(
    df[['ID','time_collect_traf1','diff1']]
    .sort_values('diff1',ascending=False)
    .groupby(['ID'])
    .head(1)
    .merge(
        (
            df[['ID','time_collect_traf2','diff2']]
            .sort_values('diff2',ascending=False)
            .groupby(['ID'])
            .head(1)),
        on='ID',
        how='left'
    )
)

本文收集自互联网，转载请注明来源。

如有侵权，请联系[email protected] 删除。