我有这样的熊猫数据框
date hour level
0 2015-10-27 0 2.5
1 2015-10-27 1 2.5
2 2015-10-27 2 2.5
3 2015-10-27 3 2.5
4 2015-10-28 0 0.0
5 2015-10-28 1 0.0
6 2015-10-28 2 0.0
7 2015-10-28 3 0.0
8 2015-10-28 4 0.0
...
14 2015-10-29 0 3.23
15 2015-10-29 1 3.23
...
hour将始终从0开始，并以1递增；它可能达到或未达到23。一次date增加一天，但日期条目的数量可能因日期而异，例如-2015-10-27具有4个条目，而2015-10-28上升到第13行。该level条目将始终具有相同的值该日期，但该值可能会或可能不会在另一个日期出现。
我想要得到的是这种形式的字典
{'2015-10-27': '3', ..., '2015-10-29': '4', ...}
字典值指示level落入的范围，即如果level为2.5，则落入[2，3）。我想做的只是选择每个“块”的第一行并创建一个新的数据框，然后对其进行迭代并应用10个if语句（级别的最大值为9.xx）或可能使用上限函数。但是我也不知道该怎么做，而且看起来很笨拙。
是否有更简化的方法来执行此操作？
如果所有的值level对于每一日期，将在同一范围内，你可以组基于date（使用DataFrame.groupby()），然后采取max对level列，然后小区的所有值（上界），然后是一系列的转换使用的字典Series.to_dict()。例子 -
df.groupby('date')['level'].first().apply(np.ceil).to_dict()
演示-
In [44]: df
Out[44]:
date hour level
0 2015-10-27 0 2.50
1 2015-10-27 1 2.50
2 2015-10-27 2 2.50
3 2015-10-27 3 2.50
4 2015-10-28 0 0.00
5 2015-10-28 1 0.00
6 2015-10-28 2 0.00
7 2015-10-28 3 0.00
8 2015-10-28 4 0.00
14 2015-10-29 0 3.23
15 2015-10-29 1 3.23
In [45]: df.groupby('date')['level'].first().apply(np.ceil).to_dict()
Out[45]: {'2015-10-27': 3.0, '2015-10-28': 0.0, '2015-10-29': 4.0}
如果要将字典中的值设为int，则可以int使用Series.astype()方法将值转换为，然后再转换为字典。例子 -
In [46]: df.groupby('date')['level'].first().apply(np.ceil).astype(int).to_dict()
Out[46]: {'2015-10-27': 3, '2015-10-28': 0, '2015-10-29': 4}
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。
我来说两句