Question

我有一个pandas数据框，如下所示，我需要每周提取所有唯一用户ID： -

    sender_user_id    created
0   2                 2016-12-19 03:34:30.013923
1   3                 2016-12-20 03:34:30.013923 
2   6                 2016-12-21 03:34:30.013923 
3   22                2016-12-22 03:34:30.013923
3   6                 2016-12-22 06:34:30.013923

我需要一个输出字典或数据框，它每周聚合所有唯一的user_id，看起来像这样

    created                         user_ids
0   2016-12-19 03:34:30.013923      2,5,24,15,6
1   2016-12-25 03:34:30.013923      8,9,14,21,5

我知道我们可以每周拆分数据帧并使用
numpy.unique（）函数，但是有一个很好的优化方法吗？

Answer 1

考虑这个随机生成的df

rng = np.arange(100)
df = pd.DataFrame(columns=['sender_user_id', 'created'])
for t in pd.date_range('2016-03-31', periods=10, freq='3B'):
    for i in np.random.permutation(rng)[:5]:
        df = df.append(dict(sender_user_id=i, created=t), ignore_index=True)

df.sender_user_id = df.sender_user_id.astype(int)

resample on

df.resample('W', on='created').sender_user_id.unique().reset_index(name='user_ids')

Answer 2

试试这个：

def aggregate_function (df, col_1, col_2):

    new_df = pd.DataFrame([], columns=[col_1, col_2])
    new_df[col_1] = sorted (set (df[col_1]))

    new_df[col_2] = new_df[col_1].map(lambda x: sorted (set (df.loc[df[col_1]==x, col_2])))

    return (new_df)

>>> aggregate_function (df, 'created', 'user_ids')
>>>     created                         user_ids
             0   2016-12-19 03:34:30.013923      2,5,24,15,6
             1   2016-12-25 03:34:30.013923      8,9,14,21,5

如何每周从熊猫数据框中提取唯一值

2 个答案: