我有一個(gè)看起來(lái)像這樣的數(shù)據(jù)框 dt user 0 2016-01-01 a 1 2016-01-02 a 2 2016-01-03 a 3 2016-01-04 a 4 2016-01-05 a 5 2016-01-06 a 6 2016-01-01 b 7 2016-01-02 b 8 2016-01-03 b 9 2016-01-04 b 10 2016-01-05 b 11 2016-01-06 b 12 2016-01-07 b 13 2015-12-31 c 14 2016-01-01 c 15 2016-01-02 c 16 2016-01-03 c 17 2016-01-04 c 18 2016-01-05 c 19 2016-01-06 c 20 2016-01-07 c 21 2016-01-08 c 22 2016-01-09 c23 2016-01-10 c 我想找到每個(gè)用戶丟失的日期。對(duì)于日期范圍，最小日期為2015-12-31 ，最大日期為2016-01-10。結(jié)果如下： user missing_days a 5 b 4 c 0
4 回答
慕村225694
TA貢獻(xiàn)1880條經(jīng)驗(yàn) 獲得超4個(gè)贊
用于isin檢查每組的日期范圍user以及agg.sum每組返回的布爾掩碼
df['dt'] = pd.to_datetime(df['dt']) #if `dt` columns already in datetime dtype, ignore this
check_dates = pd.date_range('2015-12-31', '2016-01-10', freq='D')
s = df.groupby('user').dt.agg(lambda x: (~check_dates.isin(x)).sum())
Out[920]:
user
a 5
b 4
c 0
Name: dt, dtype: int64
飲歌長(zhǎng)嘯
TA貢獻(xiàn)1951條經(jīng)驗(yàn) 獲得超3個(gè)贊
### Convert your dates to datetime
df['dt'] = pd.to_datetime(df['dt'], infer_datetime_format=True)
### Create the list of dates per user
user_days = df.groupby('user')['dt'].apply(list)
### Initialize the final dataframe
df_miss_dates = pd.DataFrame(user_days)
all_dates = pd.date_range('2015-12-31', '2016-01-10', freq='D')
### Find the number of missing dates per user
df_miss_dates['missing_days'] = df_miss_dates['dt'].apply(lambda x: len(set(all_dates) - set(x)))
df_miss_dates.drop(columns='dt', inplace=True)
print(df_miss_dates)
輸出：
missing_days
user
a 5
b 4
c 0
天涯盡頭無(wú)女友
TA貢獻(xiàn)1831條經(jīng)驗(yàn) 獲得超9個(gè)贊
定義以下函數(shù)：
def missingDates(grp : pd.Series, d1 : pd.Timestamp, d2 : pd.Timestamp):
ndTotal = (d2 - d1).days + 1
ndPresent = grp[grp.between(d1, d2)].index.size
return ndTotal - ndPresent
然后將其應(yīng)用到每個(gè)組并更改為 DataFrame （正如我從您的帖子中看到的，您只需要一個(gè)DataFrame，有 2 列）：
result = df.groupby('user')['dt'].apply(missingDates,
pd.to_datetime('2015-12-31'), pd.to_datetime('2016-01-10'))\
.rename('missing_days').reset_index()
結(jié)果是：
user missing_days
0 a 5
1 b 4
2 c 0
我的解決方案依賴于這樣一個(gè)事實(shí)：每個(gè)組中的日期都是唯一的，并且所有日期都沒(méi)有時(shí)間部分。如果不滿足這些條件，則應(yīng)添加日期規(guī)范化和調(diào)用唯一 函數(shù)。
補(bǔ)充說(shuō)明：將dt（列名）更改為其他名稱，因?yàn)閐t是Pandas中日期訪問(wèn)器的名稱。用列名或變量名“覆蓋”標(biāo)準(zhǔn)pandasonic名稱是一種不好的做法。
瀟瀟雨雨
TA貢獻(xiàn)1833條經(jīng)驗(yàn) 獲得超4個(gè)贊
你可以這樣做
from datetime import date, timedelta
sdate = date(2015, 12, 31) # start date
edate = date(2016, 1, 10) # end date
delta = edate - sdate # as timedelta
days=[]
for i in range(delta.days + 1):
day = sdate + timedelta(days=i)
days.append(str(day))
user=[]
missing_days = []
for user_n in df.user.unique():
user_days = df.loc[df.user ==user_n,'dt' ].to_list()
md = len([day for day in days if day not in user_days])
user.append(user_n)
missing_days.append(md)
new_df = pd.DataFrame({'user': user,'missing_days': missing_days})
new_df
輸出
user missing_days
a 5
b 4
添加回答
舉報(bào)
0/150
提交
取消