我有以下排序的數(shù)據(jù)框：import pandas as pdhits = {'id': ['A','A','A','A','B','B','C','C'], 'datetime': ['2010-01-02 03:00:00','2010-01-02 03:05:10','2010-01-02 03:51:35','2010-01-02 04:40:20', '2010-01-02 03:29:10','2010-01-02 03:29:15','2010-01-02 03:45:20','2010-01-02 06:10:05'], 'value': [1,2,2,1,1,3,2,4] }df = pd.DataFrame(hits, columns = ['id', 'datetime','value'])df['datetime'] = pd.to_datetime(df['datetime'], format='%Y-%m-%d %H:%M:%S')print (df) id datetime value0 A 2010-01-02 03:00:00 11 A 2010-01-02 03:05:10 22 A 2010-01-02 03:51:35 23 A 2010-01-02 04:40:20 14 B 2010-01-02 03:29:10 15 B 2010-01-02 03:29:15 36 C 2010-01-02 03:45:20 27 C 2010-01-02 06:10:05 4該列id允許我區(qū)分獨(dú)特的用戶，但我想向前邁出一步，能夠按會(huì)話對(duì)點(diǎn)擊進(jìn)行分組。一次會(huì)話定義為不活動(dòng)時(shí)間不超過(guò) 30 分鐘的所有用戶活動(dòng)。在我的 DataFrame 中，所需的輸出應(yīng)該是： id datetime value session0 A 2010-01-02 03:00:00 1 11 A 2010-01-02 03:05:10 2 12 A 2010-01-02 03:51:35 2 23 A 2010-01-02 04:40:20 1 34 B 2010-01-02 03:29:10 1 15 B 2010-01-02 03:29:15 3 16 C 2010-01-02 03:45:20 2 17 C 2010-01-02 06:10:05 4 2在中SQL，我將首先使用lag來(lái)計(jì)算點(diǎn)擊次數(shù)之間的差異partition by id order by datetime asc，然后在新的查詢中，我sum(case when diff > 30min then 1 else 0 end)也將按 id 進(jìn)行分區(qū)。Pandas 有類似的東西嗎？
2 回答
牧羊人nacy
TA貢獻(xiàn)1862條經(jīng)驗(yàn) 獲得超7個(gè)贊
這是一種常用的技術(shù)，用于cumsum與diff閾值進(jìn)行比較來(lái)識(shí)別由閾值分隔的塊。就像是：
series.diff().gt('30Min').cumsum()
由于您想通過(guò) id 查找塊，因此只需將其包裝在groupby()：
df['session'] = (df.groupby('id')['datetime']
.transform(lambda x: x.diff().gt('30Min').cumsum())
)
輸出：
id datetime value session
0 A 2010-01-02 03:00:00 1 0
1 A 2010-01-02 03:05:10 2 0
2 A 2010-01-02 03:51:35 2 1
3 A 2010-01-02 04:40:20 1 2
4 B 2010-01-02 03:29:10 1 0
5 B 2010-01-02 03:29:15 3 0
6 C 2010-01-02 03:45:20 2 0
7 C 2010-01-02 06:10:05 4 1
慕村225694
TA貢獻(xiàn)1880條經(jīng)驗(yàn) 獲得超4個(gè)贊
你可以做雙重.groupby：
如果時(shí)間超過(guò) 30 分鐘，您可以創(chuàng)建一個(gè)使用on并返回或 的
boolean series調(diào)用，用于每個(gè)組中的每一行。s.groupbyidTrueFalseid然后，您可以再次對(duì)步驟 1 中創(chuàng)建的進(jìn)行 groupby并返回累積計(jì)數(shù).cumsum并加 1，以便從 1 而不是 0 開(kāi)始計(jì)數(shù)
df['session'] = (df.assign(session=(df.groupby('id')['datetime'].diff() > '00:30:00')
.astype(int))
.groupby('id')['session'].cumsum() + 1)
Out[1]:
id datetime value session
0 A 2010-01-02 03:00:00 1 1
1 A 2010-01-02 03:05:10 2 1
2 A 2010-01-02 03:51:35 2 2
3 A 2010-01-02 04:40:20 1 3
4 B 2010-01-02 03:29:10 1 1
5 B 2010-01-02 03:29:15 3 1
6 C 2010-01-02 03:45:20 2 1
7 C 2010-01-02 06:10:05 4 2
添加回答
舉報(bào)
0/150
提交
取消