更新

Question

我正试图弄清楚如何获取代表游戏中玩家的数据框，该数据框具有唯一的用户以及特定用户每天活跃的记录。

我正在尝试获取各个用户生命周期中每个星期的平均游戏时间和平均移动。

（星期由用户的第一条记录定义，即，如果用户的第一条记录是1月3日，则他们的第一周从1月10日开始，第二周从1月10日开始）。
>
示例

userid date secondsPlayed movesMade ++/acsbP2NFC2BvgG1BzySv5jko= 2016-04-28 413.88188 85 ++/acsbP2NFC2BvgG1BzySv5jko= 2016-05-01 82.67343 15 ++/acsbP2NFC2BvgG1BzySv5jko= 2016-05-05 236.73809 39 ++/acsbP2NFC2BvgG1BzySv5jko= 2016-05-10 112.69112 29 ++/acsbP2NFC2BvgG1BzySv5jko= 2016-05-11 211.42790 44 -----------------------------------CONT---------------------------------- ++/8ij1h8378h123123koF3oer1 2016-05-05 200.73809 11 ++/8ij1h8378h123123koF3oer1 2016-05-10 51.69112 14 ++/8ij1h8378h123123koF3oer1 2016-05-14 65.42790 53

最终结果将是下表：

userid date secondsPlayed_w movesMade_w ++/acsbP2NFC2BvgG1BzySv5jko= 2016-04-28 496.55531 100 ++/acsbP2NFC2BvgG1BzySv5jko= 2016-05-05 236.73809 68 -----------------------------------CONT---------------------------------- ++/8ij1h8378h123123koF3oer1 2016-05-05 252.42921 25 ++/8ij1h8378h123123koF3oer1 2016-05-12 65.42790 53

失败的尝试1：

到目前为止，我已经尝试做很多不同的事情，但是我设法创建的最有用的数据框如下：

df_grouped = df.groupby('userid').apply(lambda x: x.set_index('date').resample('1D').first().fillna(0)) df_result = df_grouped.groupby(level=0)['secondsPlayed'].apply(lambda x: x.rolling(min_periods=1, window=7).mean()).reset_index(name='secondsPlayed_week')

这是一个非常缓慢且浪费的计算，但是仍然可以用作中间步骤。

userid date secondsPlayed_w ++/acsbP2NFC2BvgG1BzySv5jko= 2016-04-28 4.138819e+02 ++/acsbP2NFC2BvgG1BzySv5jko= 2016-04-29 2.069409e+02 ++/acsbP2NFC2BvgG1BzySv5jko= 2016-04-30 1.379606e+02 ++/acsbP2NFC2BvgG1BzySv5jko= 2016-05-01 1.241388e+02 ++/acsbP2NFC2BvgG1BzySv5jko= 2016-05-02 9.931106e+01 ++/acsbP2NFC2BvgG1BzySv5jko= 2016-05-03 8.275922e+01 ++/acsbP2NFC2BvgG1BzySv5jko= 2016-05-04 7.093647e+01 ++/acsbP2NFC2BvgG1BzySv5jko= 2016-05-05 4.563022e+01

尝试＃2失败：

df_result = (df .reset_index() .set_index("date") .groupby(pd.Grouper(freq='W'))).agg({"userid":"first", "secondsPlayed":"sum", "movesUsed":"sum"}) .reset_index()

哪个给了我以下数据帧，它的缺点是没有按用户标识分组（NaN问题很容易解决）。

date userid secondsPlayed_w movesMade_w 2016-04-10 +1kexX0Yk2Su639WaRKARcwjq5g= 2.581356e+03 320 2016-04-17 +1kexX0Yk2Su639WaRKARcwjq5g= 4.040738e+03 615 2016-04-24 NaN 0.000000e+00 0 2016-05-01 ++RBPf9KdTK6pTN+lKZHDLCXg10= 1.644130e+05 17453 2016-05-08 ++DndI7do036eqYh9iW7vekAnx0= 3.775905e+05 31997 2016-05-15 ++NjKpr/vyxNCiYcmeFK9qSqD9o= 4.993430e+05 34706 2016-05-22 ++RBPf9KdTK6pTN+lKZHDLCXg10= 3.940408e+05 23779

即时想法：

可以通过使用由两列分组的groupby来解决此问题。但是我完全不确定如何解决这个特定问题。

Answer 1

您可以创建新的帮助groupby

df.date=pd.to_datetime(df.date)
df['Newweeknumber']=df.groupby('userid').date.diff().dt.days.cumsum().fillna(0)//7# get the week number by the first date of each id
df.groupby(['userid','Newweeknumber']).agg({"userid":"first", "secondsPlayed":"sum", "movesMade":"sum"})

Answer 2

更新

尝试

df1 = pd.DataFrame(index=pd.date_range('2015-04-24', periods = 50)).assign(value=1)
df2 = pd.DataFrame(index=pd.date_range('2015-04-28', periods = 50)).assign(value=1)

df3 = pd.concat([df1,df2], keys=['A','B'])

df3 = df3.rename_axis(['user','date']).reset_index()

df3.groupby('user').apply(lambda x: x.resample('7D', on='date').sum())

输出：

                 value
user date             
A    2015-04-24      7
     2015-05-01      7
     2015-05-08      7
     2015-05-15      7
     2015-05-22      7
     2015-05-29      7
     2015-06-05      7
     2015-06-12      1
B    2015-04-28      7
     2015-05-05      7
     2015-05-12      7
     2015-05-19      7
     2015-05-26      7
     2015-06-02      7
     2015-06-09      7
     2015-06-16      1

熊猫-获得每个用户的平均周数

2 个答案:

更新