Skip to main content
 首页 » 编程设计

python之Pandas 获取 groupby 中同时出现的二进制计数

2025年01月19日11kuangbin

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