好吧,这就是我几天来一直在思考的问题。
假设我有一些采用以下数据框格式的用户交互数据:
user_id_a | user_id_b | time
2 5 2017-12-12 14:00
1 7 2017-12-12 14:20
2 5 2017-12-12 14:40
2 5 2017-12-13 11:00
4 12 2017-12-15 9:00
我想要他们是否在特定时间范围内交互的二进制计数的总和...所以例如,如果时间范围是 1 天,我希望以:
user_id_a | user_id_b | num_time_frames_seen_together
2 5 2
1 7 1
4 12 1
因为在这种情况下,尽管用户 2 和 5 总共进行了 3 次互动,但其中有 2 次互动发生在同一时间范围内,因此他们的总数只增加了一个值。
我已经达到:
df = df.set_index('time').groupby(pd.Grouper(freq='1D'))
这实际上是我的第一个示例表。但我真的不知道下一步该怎么做。我是 Pandas 的新手,虽然我知道我可以遍历行并手动计算,但我很确定一定有某种我还不熟悉的 Pandas 功能。
请您参考如下方法:
这不是最漂亮的,但是即使您有 2, 5 和 5, 2(这些应该算作我假设的同一对人),这也可以工作。
调用 groupby 后,调用 apply + value_counts,以获得日期计数。然后,您可以使用 sum 对日期进行汇总。
df = df.set_index('time')\
.groupby(pd.Grouper(freq='1D'))\
.apply(lambda x: x.apply(frozenset, 1).value_counts() > 0)\
.sum(level=1)
df
(2, 5) 2.0
(1, 7) 1.0
(4, 12) 1.0
dtype: float64
