Question

我有用户日志：

df = pd.DataFrame({'users' : [1,1,1,2],
            'dates' : ['2018-09-06','2018-09-06','2018-09-10','2018-09-10'],
              'duration' : [3,3,8,8]})

给予：

user dates      duration
1    2018-09-09    3
1    2018-09-09    3
1    2018-09-10    8
2    2018-09-10    8
           ...

这是棘手的部分：

如您所见，有些用户将他们的工作分为两部分。因此，第28天的用户1完成了6个小时，但显示为3和3。

简单统计的时间：

当我们使用平均小时数时，任何有时间的人，他们的值都显得极端（3表示平均值）。

我可以使用均值。但我想查看某人一天中可能具有的任何极端值，并将其与中位数进行比较。

示例：该用户仍然没有工作8个小时，而是每天工作6个小时。

最终：因此，我想将每天的小时数作为一个小时，然后再将其每天的小时数与平均值和中位数进行比较。

一种解决方案可能是：

df.groupby(['users','days'])['duration'].mean()

但仍然按天执行，如果不按日执行，则每天都有独立的内容，与平均值无关。

Answer 1

这可以解决它：

df = pd.DataFrame({'users' : [1,1,1,2],
                'dates' : ['2018-09-06','2018-09-06','2018-09-10','2018-09-10'],
                  'duration' : [3,3,8,8]})


a = df.groupby(['users','dates'])['duration'].sum().reset_index()
a.groupby(['users'])['duration'].mean().reset_index()

首先通过将所有部分（如果存在）相加来找到每一天的总和，然后将其维持为该天的总和。稍后，因为所有值都来自每一天，所以找到每一天的平均值。

结果：

    users duration
0   1     7
1   2     8

从持续时间中找到平均值，但同一天的日志为1

1 个答案: