Skip to main content
 首页 » 编程设计

python之分配唯一年月组合的计数

2024年12月31日6shihaiming

我想计算每封受尊重的电子邮件的独特组合年月数

test_df = pd.DataFrame( 
    data={'email': ['a', 'a', 'b', 'b', 'c', 'c', 'c'],  
          'purchases': ['2016-08-25 01:09:42', 
                        '2016-08-23 13:30:20', 
                        '2018-10-23 05:33:15', 
                        '2016-09-20 17:41:04', 
                        '2017-04-09 17:59:00', 
                        '2018-02-25 15:14:53', 
                        '2016-02-25 15:14:53']}) 
test_df['purchases'] = pd.to_datetime(test_df['purchases'], yearfirst=True) 

在此之后,我将这个 DF 与 purchases 作为时间戳

   email    purchases 
0   a   2016-08-25 01:09:42 
1   a   2016-08-23 13:30:20 
2   b   2018-10-23 05:33:15 
3   b   2016-09-20 17:41:04 
4   c   2017-04-09 17:59:00 
5   c   2018-02-25 15:14:53 
6   c   2016-02-25 15:14:53 

在此之后,我计算月数并将值分配给新列 months_of_active:

test_df['months_of_active'] =  
pd.DatetimeIndex(test_df.purchases).to_period("M").nunique() 

创建下一个输出:

   email    purchases       months_of_active 
0   a   2016-08-25 01:09:42   6 
1   a   2016-08-23 13:30:20   6 
2   b   2018-10-23 05:33:15   6 
3   b   2016-09-20 17:41:04   6 
4   c   2017-04-09 17:59:00   6 
5   c   2018-02-25 15:14:53   6 
6   c   2016-02-25 15:14:53   6 

期望的输出是:

   email    purchases      months_of_active 
0   a   2016-08-25 01:09:42   1 
1   a   2016-08-23 13:30:20   1 
2   b   2018-10-23 05:33:15   2 
3   b   2016-09-20 17:41:04   2 
4   c   2017-04-09 17:59:00   3 
5   c   2018-02-25 15:14:53   3 
6   c   2016-02-25 15:14:53   3 

a = 1 因为有两个相似的月份 b = 2 因为有两个不同的月份 c = 2 因为有两个不同的月份(2 个相同,1 个不同)

无法理解,在上面的函数中添加什么来对过滤系列执行 to_period()。

更新: 我确实也需要考虑年份,2017-1 和 2018-1 将被计为 2。

请您参考如下方法:

您需要对“电子邮件”进行分组,并使用 transform 和 nunique 来获取广播到原始 DataFrame 行的唯一计数:

s = pd.Series(pd.DatetimeIndex(df.purchases).to_period('M'), index=df.index) 
df['months_of_active'] = s.groupby(df.email).transform('nunique') 
 
 
df 
  email           purchases  months_of_active 
0     a 2016-08-25 01:09:42                 1 
1     a 2016-08-23 13:30:20                 1 
2     b 2018-10-23 05:33:15                 2 
3     b 2016-09-20 17:41:04                 2 
4     c 2017-04-09 17:59:00                 3 
5     c 2018-02-25 15:14:53                 3 
6     c 2016-02-25 15:14:53                 3 

或者,使用 dt.strftime 获取年月组合:

df['months_of_active'] = ( 
   df.purchases.dt.strftime('%Y-%m').groupby(df.email).transform('nunique')) 
 
df 
  email           purchases  months_of_active 
0     a 2016-08-25 01:09:42                 1 
1     a 2016-08-23 13:30:20                 1 
2     b 2018-10-23 05:33:15                 2 
3     b 2016-09-20 17:41:04                 2 
4     c 2017-04-09 17:59:00                 3 
5     c 2018-02-25 15:14:53                 3 
6     c 2016-02-25 15:14:53                 3