我有以下排序的數據框：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允許我區分獨特的用戶，但我想向前邁出一步，能夠按會話對點擊進行分組。一次會話定義為不活動時間不超過 30 分鐘的所有用戶活動。在我的 DataFrame 中，所需的輸出應該是： 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來計算點擊次數之間的差異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 進行分區。Pandas 有類似的東西嗎？
2 回答
牧羊人nacy
TA貢獻1862條經驗 獲得超7個贊
這是一種常用的技術，用于cumsum與diff閾值進行比較來識別由閾值分隔的塊。就像是：
series.diff().gt('30Min').cumsum()
由于您想通過 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1880條經驗 獲得超4個贊
你可以做雙重.groupby：
如果時間超過 30 分鐘，您可以創建一個使用on并返回或 的
boolean series調用，用于每個組中的每一行。s.groupbyidTrueFalseid然后，您可以再次對步驟 1 中創建的進行 groupby并返回累積計數.cumsum并加 1，以便從 1 而不是 0 開始計數
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
0/150
提交
取消