catris25:
Alors, disons que j'ai une trame de données comme celui-ci.
df = pd.DataFrame({'person':['A', 'A', 'B', 'B', 'A'],
'datetime':['2018-02-26 10:49:32', '2018-02-26 10:58:03', '2018-02-26 10:51:10','2018-02-26 10:58:45', '2018-02-26 10:43:34'],
'location':['a', 'b', 'c', 'd', 'e']})
Cela montre
person datetime location
A 2018-02-26 10:49:32 a
A 2018-02-26 10:58:03 b
B 2018-02-26 10:51:10 c
B 2018-02-26 10:58:45 d
A 2018-02-26 10:43:34 e
Ensuite, je les ai triés en fonction de chaque personne et le temps
df.sort_values(by=['person', 'datetime'])
Ce qui trierait le mouvement de chaque personne puis par leur temps.
person datetime location
4 A 2018-02-26 10:43:34 e
0 A 2018-02-26 10:49:32 a
1 A 2018-02-26 10:58:03 b
2 B 2018-02-26 10:51:10 c
3 B 2018-02-26 10:58:45 d
Ce qui peut être lu comme une personne A va de la place e, puis passe à un, puis va à b. Pendant ce temps, la personne B va de la place c alors lieu d.
Je veux créer une trame de données qui permet de suivre le mouvement de chaque personne, comme celui-ci.
| person | prev_datetime | prev_loc | next_datetime | next_loc |
|--------|---------------------|----------|---------------------|----------|
| A | 2018-02-26 10:43:34 | e | 2018-02-26 10:49:32 | a |
| A | 2018-02-26 10:49:32 | a | 2018-02-26 10:58:03 | b |
| B | 2018-02-26 10:51:10 | c | 2018-02-26 10:58:45 | d |
Je ne l'ai pas vraiment eu aucune idée comment faire cela. Merci.
Jezréel:
Utilisation DataFrameGroupBy.shiftpar 2 colonnes, et dernier éliminer les dernières lignes dupliquées par personcolonne par Series.duplicateddes renamecolonnes:
df['datetime'] = pd.to_datetime(df['datetime'])
df1 = df.sort_values(by=['person', 'datetime'])
df1[['next_datetime','next_loc']] = df1.groupby('person')['datetime','location'].shift(-1)
d = {'datetime':'prev_datetime','location':'prev_loc'}
df2 = df1[df1['person'].duplicated(keep='last')].rename(columns=d)
print (df2)
person prev_datetime prev_loc next_datetime next_loc
4 A 2018-02-26 10:43:34 e 2018-02-26 10:49:32 a
0 A 2018-02-26 10:49:32 a 2018-02-26 10:58:03 b
2 B 2018-02-26 10:51:10 c 2018-02-26 10:58:45 d