df['date'] = pd.to_datetime(df['date'])
df['year'] = df['date'].dt.year
min_row = df.loc[df.groupby('year')['close'].idxmin()]
end_date_min = df.iloc[min_row]['date']
start_date_min = end_date_min - pd.Timedelta(days=100)
mindf = df.loc[(df['date'] >= start_date_min) & (df['date'] <= end_date_min)]
tempdf = mindf.head(1).copy()
tempdf['date_start'] = start_date_min
tempdf['maxmin'] = 'min'
summ = summ.append(tempdf, ignore_index=True)
下面昨天有个盆友提的修改意见,只能计算每个数据第一年的就跳过运行下一条数据了,我要的是每个数据每一年的,请问怎么解决啊
min_by_year = df.groupby('year')['close'].min()
min_row = df.loc[df.groupby('year')['close'].idxmin()]
(1) 缺陷报告是描述软件缺陷现象和重现步骤的集合。软件缺陷报告 Software Bug Report(SBR)或软件问题报告 software Problem Report(SPR)。
(2) 缺陷报告是软件测试人员的工作成果之一,体现软件测试的价值缺陷报告可以把软件存在的缺陷准确的描述出来,便于开发人员修正缺陷报告可以反映项目/产品当前的质量状态,便于项目整体进度和质量控制软件测试缺陷报告是软件测试的输出成果之一,可以衡量测试人员的工作能力。
(3) 标题(Title)简洁、准确、完整、反映缺陷本质、方便查询前缀+标题正文,标题正文采用结果和动作, 或者现象和位置的方式表达;步骤(Steps)可复现、完整、简洁、准确按数字编号;实际结果(Actual results) 准确、详细描述软件的现象和特征;期望结果(Expected results)准确、丰富、有理有据;平台(Platforms) 准确;截图(Sereenshots)准确反映缺陷特征;注释(Notes)关于缺陷的辅助说明
由于参考资料与问题不太相关,本人无法确定具体是对哪个数据进行统计,不过一般来说可以使用Python中的pandas库进行数据处理。假设数据表格形式为:
数据 | 时间 |
---|---|
1 | 2020 |
2 | 2020 |
3 | 2020 |
4 | 2021 |
5 | 2021 |
6 | 2021 |
7 | 2022 |
8 | 2022 |
9 | 2022 |
则可以进行如下操作:
import pandas as pd
# 读入数据,假设数据表格的文件名为data.csv
df = pd.read_csv('data.csv')
# 将时间列转化为时间类型
df['时间'] = pd.to_datetime(df['时间'], format='%Y')
# 按时间进行分组,并找到每组的最小值
min_values = df.groupby(pd.Grouper(key='时间', freq='Y'))['数据'].min()
# 输出结果
print(min_values)
其中 pd.read_csv('data.csv')
可以根据实际情况进行修改,如将数据表格从CSV文件中读取改为其他方式。最终输出结果为每年的最小值,形式如下:
时间
2020 1
2021 4
2022 7
Name: 数据, dtype: int64
很感谢你的回答,不过跑不了:
昨天那盆友的意见虽然不是我要的结果,至少能跑,你这没发跑啊:
df['时间'] = pd.to_datetime(df['时间'], format='%Y')
ValueError: unconverted data remains: -04-03