Question

我们说我有以下用户入住酒店的数据：

             end               start       uid
0 2014-01-02 00:00:00 2014-01-01 00:00:00    1
1 2014-01-04 00:00:00 2014-01-02 00:00:00    1
2 2014-02-02 00:00:00 2014-02-01 00:00:00    1
3 2014-01-02 00:00:00 2014-01-01 00:00:00    3

我想连接相隔1天或更短时间（同一用户）的连续停留，有效地创建以下数据帧：

             end               start       uid
0 2014-01-04 00:00:00 2014-01-01 00:00:00    1
2 2014-02-02 00:00:00 2014-02-01 00:00:00    1
3 2014-01-02 00:00:00 2014-01-01 00:00:00    3

第一步是groupby("uid")。但是，我如何遍历每个组的行，以便我可以使用pandas工具箱进行此连接？

为方便起见，这是数据帧的最小初始化：

import pandas as pd
from datetime import datetime
data = pd.DataFrame([{"uid":1,"start":datetime(year=2014,month=1,day=1),"end":datetime(year=2014,month=1,day=2)},{"uid":1,"start":datetime(year=2014,month=1,day=2),"end":datetime(year=2014,month=1,day=4)},{"uid":1,"start":datetime(year=2014,month=2,day=1),"end":datetime(year=2014,month=2,day=2)},{"uid":3,"start":datetime(year=2014,month=1,day=1),"end":datetime(year=2014,month=1,day=2)}])

Answer 1

所以，这就是我解决这个问题的方法，不使用任何矢量化或特殊的熊猫功能。此外，这假设数据在开始，结束时排序。

data["discard"] = False

grouped = data.groupby("uid")
uids = data.uid.unique()
maxdiff = 24 * 60 * 60
parts = []
for uid in uids:
    group = grouped.get_group(uid)

    for x in range(1,len(group)):
        prev = group.end.iloc[x-1]
            curr = group.start.iloc[x]
        difference = int((curr-prev).total_seconds())
        if difference<maxdiff:
            group.start.iloc[x] = group.start.iloc[x-1]
            group.discard.iloc[x-1] = True

    parts.append(group)

new_df = pd.concat(parts)
new_df = new_df[new_df.discard==False]
del new_df["discard"]
print new_df

在熊猫的群组中连接

1 个答案: