Question

假设我有包含usersidid（int）和date（datatime）的df：

 usersidid  date
1   1   2017-01-05
2   2   2017-01-02
3   3   2017-01-04
4   4   2017-01-02
5   1   2017-01-01
6   2   2017-01-03
7   3   2017-01-02
8   1   2017-01-04
9   2   2017-01-05

我有@timeframe，@ MinDates的参数。我需要检查每个用户ID ，如果从今天到今天（@timeframe），数据帧中有足够的不同MinDates，如果不是程序需要退出。我会说：

示例A -

@timeframe = 5
@MinDates = 1
today = 2017-01-05

在这种情况下结果：

usersidid   date
1   1   2017-01-01
2   1   2017-01-04
3   1   2017-01-05
4   2   2017-01-02
5   2   2017-01-03
6   2   2017-01-05
7   3   2017-01-02
8   3   2017-01-04
9   4   2017-01-02

示例B -

@timeframe = 5
@MinDates = 2
today = 2017-01-05

在这种情况下结果：

  usersidid date
1   1   2017-01-01
2   1   2017-01-04
3   1   2017-01-05
4   2   2017-01-02
5   2   2017-01-03
6   2   2017-01-05
7   3   2017-01-02
8   3   2017-01-04

示例C -

@timeframe = 5
@MinDates = 3
today = 2017-01-05

在这种情况下结果：

 usersidid  date
1   1   2017-01-01
2   1   2017-01-04
3   1   2017-01-05
4   2   2017-01-02
5   2   2017-01-03
6   2   2017-01-05

示例D -

@timeframe = 5
@MinDates = 4
today = 2017-01-05

在这种情况下结果：在时间范围内没有足够的不同日期，退出程序

示例E -

@timeframe = 3
@MinDates = 2
today = 2017-01-05

在这种情况下结果（由Ted Petrou修复）：

  usersidid   date
1    1      2017-01-04
2    1      2017-01-05
3    2      2017-01-03
4    2      2017-01-05

我的想法一般：

agg1 = df[today >= timedelta(days=@dataframe) + df.date]
agg2 = agg1.groupby(['usersidid'], as_index=False, sort=False)['date'].countunique().rename(columns={'date': 'NumOfDifferentDates'})
agg3 = agg2[agg2.NumOfDifferentDates >= @MinDates]
result = df[df.usersidid.isin(agg3.loc[:, 'usersidid'])].reset_index(drop=True)]
if result.empty() exit(0)

我还没有运行它所以我不知道它是否有效，因为我是Pandas的新手，我确信有一种更优雅的方式来做我想听到的。

谢谢，

Answer 1

您可以编写一个函数，它接受三个参数today，timeframe和mindates，并首先使用布尔索引将数据帧过滤到时间范围内的行。在此处，您可以按useridid进行分组，并过滤掉不等于或超过mindates的群组。

def find_dates(today, timeframe, mindates):
    prev = today - np.timedelta64(timeframe-1, 'D')
    df_new = df[df.date.between(prev, today)]
    return df_new.groupby('usersidid').filter(lambda x: len(x) >= mindates).sort_values(['usersidid', 'date'])

today = pd.to_datetime('2017-01-05')

现在您可以使用您的特定参数调用您的函数。

find_dates(today, 5, 1)

       usersidid       date
5          1 2017-01-01
8          1 2017-01-04
1          1 2017-01-05
2          2 2017-01-02
6          2 2017-01-03
9          2 2017-01-05
7          3 2017-01-02
3          3 2017-01-04
4          4 2017-01-02

find_dates(today, 5, 2)

   usersidid       date
5          1 2017-01-01
8          1 2017-01-04
1          1 2017-01-05
2          2 2017-01-02
6          2 2017-01-03
9          2 2017-01-05
7          3 2017-01-02
3          3 2017-01-04

find_dates(today, 5, 3)

   usersidid       date
5          1 2017-01-01
8          1 2017-01-04
1          1 2017-01-05
2          2 2017-01-02
6          2 2017-01-03
9          2 2017-01-05

find_dates(today, 5, 4)
# returns empty dataframe

我不明白你的最后一个结果是如何使用timeframe = 3和mindates = 2的。 useridid 1和2在过去三天内都有两行。

find_dates(today, 3, 2)

   usersidid       date
8          1 2017-01-04
1          1 2017-01-05
6          2 2017-01-03
9          2 2017-01-05

在Pandas中，每个用户只需要特定数量的日期

1 个答案: