Question

这是我的数据框中包含的示例行：

{
"sessionId" : "454ec8b8-7f00-40b2-901c-724c5d9f5a91",
"useCaseId" : "3652b5d7-55b8-4bee-82b6-ab32d5543352",
"timestamp" : "1559403699899",
"endFlow" : "true"
}

我通过'sessionId'进行分组，这将给我这样的分组：

Row 1:
{
"sessionId" : "454ec8b8-7f00-40b2-901c-724c5d9f5a91",
"useCaseId" : "usecaseId1",
"timestamp" : "1559403699899",
"endFlow" : "false"
},
 Row 2:
{
"sessionId" : "454ec8b8-7f00-40b2-901c-724c5d9f5a91",
"useCaseId" : "usecaseId1",
"timestamp" : "1559403699899",
"endFlow" : "false"
},
Row 3:
{
"sessionId" : "454ec8b8-7f00-40b2-901c-724c5d9f5a91",
"useCaseId" : "usecaseId2",
"timestamp" : "1559403699899",
"endFlow" : "true"
},
Row 4:
{
"sessionId" : "454ec8b8-7f00-40b2-901c-724c5d9f5a91",
"useCaseId" : "usecaseId1",
"timestamp" : "1559403699899",
"endFlow" : "false"
},
Row 5:
{
"sessionId" : "454ec8b8-7f00-40b2-901c-724c5d9f5a91",
"useCaseId" : "usecaseId1",
"timestamp" : "1559403699899",
"endFlow" : "true"
}

以上面的组为例，我要在这里实现的是，按“ sessionId”对数据帧进行分组后，我想循环通过具有相同“ useCaseId”的连续行（因此，从上面的组中，我要循环的三组连续行，
Row1-Row2，Row3，Row4-Row5 ）

并且从上述每个连续的行集中（ Row1-Row2，Row3，Row4-Row5（其中每组具有相同的useCaseId），
我想仅以false查找行尾流值的集合数。

因此，从上面给出的分组示例中，预期结果如下：
1（因此，具有相同useCaseId'usecaseId1'的Row1-Row2的尾流只有'false'，而'Row3'和'Row4-Row5'的尾流只有'true'）

我该如何实现？
更新：

df.head（）：

sessionId   useCaseId      timestamp endFlow
0  sessionId1  useCaseId1  1559403699899   false
1  sessionId1  useCaseId1  1559403699899   false
2  sessionId1  useCaseId2  1559403699899    true
3  sessionId1  useCaseId1  1559403699899   false
4  sessionId1  useCaseId1  1559403699899    true

我尝试过的事情：
我曾尝试通过'sessionId'和'usecaseId'对数据帧进行分组，但这无法正常工作，因为它将以'usecaseId'唯一地对数据帧进行分组，这不是我想要的，我想在通过'分组'之后遍历连续的行sessionId与“ usecaseId”相同，然后将具有相同“ useCaseId”且“ endFlow”仅作为“ false”的连续行计数。
预期输出：按'sessionId'分组后，我想将具有'endFlow'的相同'useCaseId'的连续行的数量计为'false'
从上面给出的分组示例中，预期结果如下： 1（因此，具有相同useCaseId'usecaseId1'的Row1-Row2的尾流只有'false'，而'Row3'和'Row4-Row5'的尾流只有'true'）

Answer 1

您可以尝试这样做：（我假设df.endFlow包含字符串'true'和'false'。如果包含布尔值True和False，您只需执行replace命令。）

df.endFlow.replace({'true': True, 'false': False}).groupby([df.sessionId, df.useCaseId.ne(df.useCaseId.shift()).cumsum()]).sum().eq(False).sum()

Out[1258]: 1

现在，我将您的样本更改为包括两个满足条件的组，它还会正确报告以下计数：

df1:
    sessionId   useCaseId      timestamp  endFlow
0  sessionId1  useCaseId1  1559403699899    false
1  sessionId1  useCaseId1  1559403699899    false
2  sessionId1  useCaseId2  1559403699899     true
3  sessionId1  useCaseId1  1559403699899    false
4  sessionId1  useCaseId1  1559403699899    false

df1.endFlow.replace({'true': True, 'false': False}).groupby([df1.sessionId, df1.useCaseId.ne(df1.useCaseId.shift()).cumsum()]).sum().eq(False).sum()

Out[1264]: 2

注意：我从您的描述中了解到，只有一行的组也被视为连续行组。因此，如果其endFlow为False

，则该计数将包括在内

Python-遍历熊猫Groupby对象

1 个答案: