定期找些简单练习作为 pandas 专栏的练习题
知识点
- DataFrame.apply 以及 axis 的理解
- 分组计数
- DataFrame.iloc 切片
如下一份停车场数据：
- 每行表示某时间段(总是1个小时)每个停车位停放是那辆车(内容视为车牌吧)
需要以下结果：
共2个需求：
需求1：停车次数(蓝色行)：一天中，每个停车位分别有多少不同的车停放，如下：
- 分别有8辆不同车牌，因此这个停车位的"停车次数"是8
- 就算同一天有相同的车在不同时段停放，只算一次
需求2：连续停车小时(白色行)：由于有些车是停放多于1小时才开走，统计一天中，连续停放n(1至10)小时的数量
如下：
- 第一个停车位中，连续出现3次的区域只有一个(3个"GG") ，因此这个停车位"连续停车3小时"结果是1
- 同理，"连续停车2小时"结果是2(分别是"AA"与"FF")
导入库与加载数据：
需求1
按理解，可以描述为"不同车牌数量"，相当于去重复后的车牌数。
因此代码非常简单：
- df.iloc ，由于第一列是"时间"，不是需要的数据，通过切片获取第一列到最后的所有列
- .apply ，注意参数 axis 默认为0，表示数据表每一列作为处理单位
- pd.Series.nunique 就是去重计数
需求2
按理解，我们需要首先统计每个车牌的出现次数，分组统计即可：
- 我这只考虑一列的处理情况，因为所有列批量处理只需要调用 apply 即可
- 这里同样可以使用 Series.value_counts() 做到一样的效果
基于这个结果，统计每一种次数的计数即可：
- 行3：按之前的处理，统计次数
- 注意此时结果是一个 Series，index(上图红框) 是"连续n小时停车"。value(上图蓝框) 是连续n小时停车出现的次数
把这个过程定义为一个函数：
- 行6：选出一列执行看看效果
最后，通过 apply 就能处理所有的列：
- 注意 行索引(蓝框) 是"连续n小时停车"
但是，我们需要的是1至10的结果，怎么办？
reindex 就是为了这种场景而设计：
- 行4：顺手把空值填成 0
结果：
之后只是合并2个需求结果输出 Excel 即可，具体看源码
但是，结果真的对吗？！！！
看看第5个停车点：
- 连续停4个小时应该有1个吧
- 大于4个小时的应该是0吧
但是我们的结果是：
- 连续6小时竟然有1次
原来，我们的统计过程只是简单的按车牌分组统计，却没有考虑连续问题。
也就是说我们的处理过程根本没有反映需求中的"连续"的意义
怎么办？我也想不到，希望大家给点建议
或者看看专栏关于"波动走势处理"的相关章节，说不定找到答案