Question

我有一个用户与网站互动的日志：

id    user_id    action_type    comment    timestamp

并非所有 action_type 都相同。其中一些更重要，一些更少：

PURCHASE (important, primary)
VISIT_PAGE (less important, secondary)

我想将表格转换为以下内容：

id    user_id    action_type    comment    timestamp    next_id    goal_id

其中：

next_id 是未来最接近时间戳的用户的下一个操作

goal_id 是未来最接近时间戳的用户的下一个主要操作

例如，如果用户具有以下历史记录：

/ -> /toys -> /toys/lego -> /toys/lego/ABC001 -> PURCHASE

然后我有下表：

id    user_id    action_type    comment            timestamp    next_id    goal_id
1     1          VISIT_PAGE     /                  123456789    2          5
2     1          VISIT_PAGE     /toys              123457789    3          5
3     1          VISIT_PAGE     /toys/lego         123458889    4          5
4     1          VISIT_PAGE     /toys/lego/ABC001  123459889    5          5
5     1          PURCHASE                          123460889    NULL       5

可以使用 Pandas 完成吗？它与Oracle中的LEAD功能非常相似。

Answer 1

假设您有一些主要操作类型列表：这是一种脏的方法。注意我并没有使用任何熊猫魔法，但希望这会给你一些想法：

primaries = set("two") # set of primary actions

# an example dataframe 
df = pd.DataFrame([[1,1,1,1,1], 
              ["one"] * 4 +  ["two"] * 1, 
              ["/", "toys", "toys/lego", "toys/lego/ABC001"],
              [1001, 1002, 1003, 1004, 1005]]
            ).T
df.columns = ["user_id", "action_type", "comment", "timestamp"]

# reindexing to make it look like your sample
df.index = range(1, len(df)+1)
df.head()

nt = [] # next_ids
gl = [] # goal_ids

for i in df.iterrows():
    if i[1]["action_type"] not in primaries:
        nt.extend([i[0]+1])
    else:
        nt.extend([None])
        gl.extend([i[0]] * len(nt))

new_df = pd.merge(df, pd.DataFrame({"next_id" : nt], "goal_id" : ids[gl]}))

熊猫：访问下一行（如Oracle中的LEAD）

1 个答案: