Question

我正在尝试为每个客户求和不同连续行的数量。

所以我的数据看起来像这个假人：

df = pd.DataFrame({'Customer':['A','A','A','A','A','A','A','A', 'B','B','B','B','B','B','B','B'],
                   'Time':['00:00','01:00','02:00','03:00','04:00', '05:00','06:00','07:00','00:00','01:00','02:00','03:00','04:00','05:00','06:00','07:00'],
                   'Lat':[20,20,30,30,30,40,20,20,20,20,30,30,30, 40,20,20], 
                   'Lon':[40,40,50,50,50,60,40,40,40,40,50,50,50,60,40,40]})


     Customer    Time    Lat  Lon
0      A         00:00   20   40
1      A         01:00   20   40
2      A         02:00   30   50 
3      A         03:00   30   50
4      A         04:00   30   50
5      A         05:00   40   60
6      A         06:00   20   40
7      A         07:00   20   40
8      B         00:00   20   40
9      B         01:00   20   40
10     B         02:00   30   50
11     B         03:00   30   50
12     B         04:00   30   50
13     B         05:00   40   60
14     B         06:00   20   40
15     B         07:00   20   40

我想计算不连续的客户不同行的数量（根据纬度和经度）。因此，在该示例中，即使只有3对不同的Lat和Lon，它也会为两个客户返回4。

此：

test = (df['Lat'] != df['Lat'].shift(1)).values.sum()

仅处理一列，并且不按客户分组。

但是我似乎做不到

df[['Lat','Lon']] != df[['Lat','Lon']]

它给出：

ValueError: Wrong number of items passed 2, placement implies 1

或按客户分组。有人可以帮忙吗？

Answer 1

我正在使用shift创建一个新密钥，然后使用drop_duplicates

df['key']=df.groupby('Customer').apply(lambda x : x[['Lat','Lon']].ne(x[['Lat','Lon']].shift()).all(1).cumsum()).reset_index(level=0,drop=True)
df.drop_duplicates(['Customer','key'])
   Customer   Time  Lat  Lon  key
0         A  00:00   20   40    1
2         A  02:00   30   50    2
5         A  05:00   40   60    3
6         A  06:00   20   40    4
8         B  00:00   20   40    1
10        B  02:00   30   50    2
13        B  05:00   40   60    3
14        B  06:00   20   40    4

Answer 2

IIUC，

df.groupby('Customer')[['Lat', 'Lon']].apply(lambda s: s.diff().ne(0).all(1).sum())

Customer
A    4
B    4
dtype: int64

按列对不同的连续行进行计数

2 个答案: