如何在Pandas DataFrame中基于actual列创建actual_new列

规律分析 #

从示例数据可以看出：

• 所有actual_new的值来自一个固定基准序列，这个序列是按actual值对应的最早start time排序得到的唯一actual值列表
• 每个actual分组内的行按start time排序后，依次对应基准序列的第1到第n个元素（n为基准序列长度）

实现步骤 #

1. 将时间列转换为datetime类型，确保排序逻辑正确
2. 生成基准序列：提取每个actual对应的最早start time，按时间排序后得到基准actual值列表
3. 按actual分组并排序，给组内每行分配索引，根据索引映射基准序列值生成actual_new

完整代码 #

import pandas as pd

# 构造示例DataFrame（实际使用时替换为你的数据读取逻辑）
data = [
    ["4/1/2022 20:00", "4/1/2022 21:00", 0.749123, 0.749123],
    ["4/1/2022 21:00", "4/1/2022 22:00", 0.749123, 0.770175],
    ["4/1/2022 22:00", "4/1/2022 23:00", 0.749123, 0.725439],
    ["4/1/2022 23:00", "4/2/2022 0:00", 0.749123, 0.659649],
    ["4/2/2022 0:00", "4/2/2022 1:00", 0.749123, 0.245614],
    ["4/2/2022 1:00", "4/2/2022 2:00", 0.749123, 0.078947],
    ["4/1/2022 21:00", "4/1/2022 22:00", 0.770175, 0.749123],
    ["4/1/2022 22:00", "4/1/2022 23:00", 0.770175, 0.770175],
    ["4/1/2022 23:00", "4/2/2022 0:00", 0.770175, 0.725439],
    ["4/2/2022 0:00", "4/2/2022 1:00", 0.770175, 0.659649],
    ["4/2/2022 1:00", "4/2/2022 2:00", 0.770175, 0.245614],
    ["4/2/2022 2:00", "4/2/2022 3:00", 0.770175, 0.078947],
    ["4/1/2022 22:00", "4/1/2022 23:00", 0.725439, 0.749123],
    ["4/1/2022 23:00", "4/2/2022 0:00", 0.725439, 0.770175],
    ["4/2/2022 0:00", "4/2/2022 1:00", 0.725439, 0.725439],
    ["4/2/2022 1:00", "4/2/2022 2:00", 0.725439, 0.659649],
    ["4/2/2022 2:00", "4/2/2022 3:00", 0.725439, 0.245614],
    ["4/2/2022 3:00", "4/2/2022 4:00", 0.725439, 0.078947],
    ["4/1/2022 23:00", "4/2/2022 0:00", 0.659649, 0.749123],
    ["4/2/2022 0:00", "4/2/2022 1:00", 0.659649, 0.770175],
    ["4/2/2022 1:00", "4/2/2022 2:00", 0.659649, 0.725439],
    ["4/2/2022 2:00", "4/2/2022 3:00", 0.659649, 0.659649],
    ["4/2/2022 3:00", "4/2/2022 4:00", 0.659649, 0.245614],
    ["4/2/2022 4:00", "4/2/2022 5:00", 0.659649, 0.078947],
    ["4/2/2022 0:00", "4/2/2022 1:00", 0.245614, 0.749123],
    ["4/2/2022 1:00", "4/2/2022 2:00", 0.245614, 0.770175],
    ["4/2/2022 2:00", "4/2/2022 3:00", 0.245614, 0.725439],
    ["4/2/2022 3:00", "4/2/2022 4:00", 0.245614, 0.659649],
    ["4/2/2022 4:00", "4/2/2022 5:00", 0.245614, 0.245614],
    ["4/2/2022 5:00", "4/2/2022 6:00", 0.245614, 0.078947],
    ["4/2/2022 1:00", "4/2/2022 2:00", 0.078947, 0.749123],
    ["4/2/2022 2:00", "4/2/2022 3:00", 0.078947, 0.770175],
    ["4/2/2022 3:00", "4/2/2022 4:00", 0.078947, 0.725439],
    ["4/2/2022 4:00", "4/2/2022 5:00", 0.078947, 0.659649],
    ["4/2/2022 5:00", "4/2/2022 6:00", 0.078947, 0.245614],
    ["4/2/2022 6:00", "4/2/2022 7:00", 0.078947, 0.078947]
]

df = pd.DataFrame(data, columns=["start time", "end time", "actual", "actual_new"])

# 1. 转换时间列为datetime类型
df["start time"] = pd.to_datetime(df["start time"])
df["end time"] = pd.to_datetime(df["end time"])

# 2. 生成基准序列：按actual对应的最早start time排序
actual_min_start = df.groupby("actual")["start time"].min().reset_index()
base_sequence = actual_min_start.sort_values("start time")["actual"].tolist()

# 3. 分组排序并生成actual_new
df = df.sort_values(["actual", "start time"])
df["group_index"] = df.groupby("actual").cumcount()
df["actual_new_generated"] = df["group_index"].apply(lambda x: base_sequence[x])

# 验证结果（可选）
print(df[["actual", "actual_new", "actual_new_generated"]].equals(df[["actual", "actual_new", "actual_new"]]))

说明 #

• 基准序列会自动根据数据中的时间顺序生成，无需手动指定
• 代码中生成的actual_new_generated列与示例中的actual_new完全一致
• 如果你的数据中每个actual分组的行数等于基准序列长度，该方法完全适用

内容的提问来源于stack exchange，提问作者Rajan Kumar Yadav