将自定义类别分配给json数据 - pandas

Question

将标签分配给原始数据，而不是从get_dummies获取新的指示符列。我想是这样的：

json_input：

[{ID：100，汽车类型： “汽车”，时间： “2017年4月6日1时39分43秒”，区= “A”，类型：“Checked”}， {id：101，vehicle_type：“Truck”，time：“2017-04-06 02:35:45”，zone =“B”，type：“Unchecked”}， {id： 102，vehicle_type：“Truck”，time：“2017-04-05 03:20:12”，zone =“A”，type：“Checked”}， {id：103，vehicle_type：“Car”，time： “2017年4月4日10点05分04秒”，区= “C”，类型： “未检查”} ]

结果：

• ID，汽车类型，列出的时间范围，区域，类型
• 100，0，1，1，1
• 101，1，1，2，0
• 102，1，2，1，1
• 103，0，3,3，0

时间stamp- TS 列 - >汽车类型，类型是二进制的，列出的时间范围（1 - >（TS1-TS2），2 - >（TS3-TS4）， 3 - >（TS5-TS6）），区域 - >分类（1,2或3）。 我想自动分配这些标签，当我将扁平化的json提供给熊猫中的数据框时。这可能吗？ （我不想在熊猫中使用get_dummies中的zone_1，type_1，vehicle_type_3指标列）。如果熊猫不可能，请为这个自动化建议python lib。

Answer 1

这是我能想出来的。我不知道你在找什么时间范围为

import datetime 
import io 
import pandas as pd 
import numpy as np 
df_string='[{"id":100,"vehicle_type":"Car","time":"2017-04-06 01:39:43","zone":"A","type":"Checked"},{"id":101,"vehicle_type":"Truck","time":"2017-04-06 02:35:45","zone":"B","type":"Unchecked"},{"id":102,"vehicle_type":"Truck","time":"2017-04-05 03:20:12","zone":"A","type":"Checked"},{"id":103,"vehicle_type":"Car","time":"2017-04-04 10:05:04","zone":"C","type":"Unchecked"}]' 
df = pd.read_json(io.StringIO(df_string)) 
df['zone'] = pd.Categorical(df.zone) 
df['vehicle_type'] = pd.Categorical(df.vehicle_type) 
df['type'] = pd.Categorical(df.type) 
df['zone_int'] = df.zone.cat.codes 
df['vehicle_type_int'] = df.vehicle_type.cat.codes 
df['type_int'] = df.type.cat.codes 
df.head() 

编辑 这是我能想出

import datetime 
import io 
import math 
import pandas as pd 
#Taken from http://*.com/questions/13071384/python-ceil-a-datetime-to-next-quarter-of-an-hour 
def ceil_dt(dt, num_seconds=900): 
    nsecs = dt.minute*60 + dt.second + dt.microsecond*1e-6 
    delta = math.ceil(nsecs/num_seconds) * num_seconds - nsecs 
    return dt + datetime.timedelta(seconds=delta) 

df_string='[{"id":100,"vehicle_type":"Car","time":"2017-04-06 01:39:43","zone":"A","type":"Checked"},{"id":101,"vehicle_type":"Truck","time":"2017-04-06 02:35:45","zone":"B","type":"Unchecked"},{"id":102,"vehicle_type":"Truck","time":"2017-04-05 03:20:12","zone":"A","type":"Checked"},{"id":103,"vehicle_type":"Car","time":"2017-04-04 10:05:04","zone":"C","type":"Unchecked"}]' 
df = pd.read_json(io.StringIO(df_string)) 
df['zone'] = pd.Categorical(df.zone) 
df['vehicle_type'] = pd.Categorical(df.vehicle_type) 
df['type'] = pd.Categorical(df.type) 
df['zone_int'] = df.zone.cat.codes 
df['vehicle_type_int'] = df.vehicle_type.cat.codes 
df['type_int'] = df.type.cat.codes 
df['time'] = pd.to_datetime(df.time) 
df['dayofweek'] = df.time.dt.dayofweek 
df['month_int'] = df.time.dt.month 
df['year_int'] = df.time.dt.year 
df['day'] = df.time.dt.day 
df['date'] = df.time.apply(lambda x: x.date()) 
df['month'] = df.date.apply(lambda x: datetime.date(x.year, x.month, 1)) 
df['year'] = df.date.apply(lambda x: datetime.date(x.year, 1, 1)) 
df['hour'] = df.time.dt.hour 
df['mins'] = df.time.dt.minute 
df['seconds'] = df.time.dt.second 
df['time_interval_3hour'] = df.hour.apply(lambda x : math.floor(x/3)+1) 
df['time_interval_6hour'] = df.hour.apply(lambda x : math.floor(x/6)+1) 
df['time_interval_12hour'] = df.hour.apply(lambda x : math.floor(x/12)+1) 
df['weekend'] = df.dayofweek.apply(lambda x: x>4) 

df['ceil_quarter_an_hour'] =df.time.apply(lambda x : ceil_dt(x)) 
df['ceil_half_an_hour'] =df.time.apply(lambda x : ceil_dt(x, num_seconds=1800)) 
df.head()