Question

以下数据集表示用户的浏览行为。

  user_id session_id        keyword        real_time_stamp           presented    clicked
0  10010  s2342009n           camera 2020-03-01 05:00:19.195000+00:00  101           101
1  10010  s2342009n           camera 2020-03-01 05:00:19.195000+00:00  102           None
2  10010  s2342009n           camera 2020-03-01 05:00:19.195000+00:00  103           None
3  10010  s2342009n           camera 2020-03-01 05:00:19.195000+00:00  104           None
4  10010  s2342009n           camera 2020-03-01 05:00:19.195000+00:00  105           None
5  10010  s2342009n           camera 2020-03-01 05:00:19.195000+00:00  106           None
6  10010  s2342009n           camera 2020-03-01 05:00:19.195000+00:00  107           None
7  10010  s2342009n           camera 2020-03-01 05:00:19.195000+00:00  108           None
8  10010  s2342009n           camera 2020-03-01 05:00:19.195000+00:00  109           None
9  10010  s2342009n           camera 2020-03-01 05:00:19.195000+00:00  110           None

呈现的列显示向用户呈现了哪些项目，以及从呈现的项目中单击了哪些项目。在上面的示例中，单击了第一项。目标是将这些信息合并为一行，同时还要保留时间戳。

通过遵循group_by给出结构，但没有real_time_stamp和clicked。将real_time_stamp投放到网上论坛后，您就不会获得“汇总”版本。

df_collapse = df.groupby(['user_id', 'session_id', 'keyword'])['presented'].apply(lambda x: '|'.join(x)).reset_index()

我的尝试是获得以下结构：

   user_id session_id        keyword        real_time_stamp                 presented                               clicked
     10010  s2342009n       camera     2020-03-01 05:00:19.195000+00:00  101|102|103|104|105|106|107|108|109|110      101

Answer 1

使用transform

进行IIUC检查

s=df.groupby(['user_id', 'session_id', 'keyword'])['presented'].transform(lambda x: '|'.join(x.astype(str)))
df['New']=s

如果汇总为

df.groupby(['user_id', 'session_id', 'keyword']).\
    agg({'presented':'|'.join,
         'real_time_stamp':'first',
         'clicked':'first'})

大熊猫在GroupBy之后保留其他列-不是一笔款项

1 个答案: