我有以下数据帧：
data = {'VehID' : pd.Series([10000,10000,10001,10001]),'JobNo' : pd.Series([1,2,1,3,3]),'Material' : pd.Series([5005,5100,5005,5888,5222,5222])}
df = pd.DataFrame(data,columns=['VehID','JobNo','Material'])
它看起来像这样：
VehID JobNo Material
0 10000 1 5005
1 10000 2 5100
2 10000 2 5005
3 10001 1 5888
4 10001 2 5222
5 10001 3 5888
6 10001 3 5222
我想确定每辆车连续工作中出现的材料.例如,
VehID Material Jobs
10000 5005 [1,2]
10001 5222 [2,3]
我想避免使用for循环.有没有人对这个解决方案有什么建议？提前致谢..
最佳答案
您可以先将数据收集到列表中,使用
pandas.DataFrame.groupby,然后将pandas.DataFrame.apply和list构造函数作为函数收集：
>>> res = df.groupby(['VehID','Material'])['JobNo'].apply(list).reset_index()
>>> res
VehID Material JobNo
0 10000 5005 [1,2]
1 10000 5100 [2]
2 10001 5222 [2,3]
3 10001 5888 [1,3]
现在您可以过滤掉所有非连续列表：
>>> f = res.JobNo.apply(lambda x: len(x) > 1 and sorted(x) == range(min(x),max(x)+1))
>>> res[f]
VehID Material JobNo
0 10000 5005 [1,2]
2 10001 5222 [2,3]
您可以通过更智能的功能加速它 – 首先在res中存储alreadt排序列表,然后检查min,max和len与相同长度的范围