Question

我有以下DataFrame badges。 UserId列包含同一用户的多个条目。我想获得给定Date的每个UserId的最小值BadgeName。我创建了一个函数user_badge_dt来执行相同的操作，但出现索引错误。需要注意的一点是，尽管所有用户的数据集都是相同的，但我仅对某些徽章而不是其他徽章得到此错误。我不知道为什么会这样。

徽章数据框架的一部分

    UserId    BadgeName            Date                   
0     23    Curious         2016-01-12T18:44:49.267 
1     22    Autobiographer  2017-01-12T18:44:49.267 
2     23    Curious         2018-01-12T18:44:49.267 
3     20    Autobiographer  2019-01-12T18:44:49.267 
4     22    Autobiographer  2020-01-12T18:44:49.267
5     30    Curious         2020-01-12T18:44:49.267

功能

#Function to obtain UserId with the date-time of obtaining given badge for the first time
def user_badge_dt(badge_name):
  
  #Creating DataFrame to obtain all UserId and date-Time of given badge
  df = badges[['UserId','Date']].loc[badges.Name == badge]
  
  #Obtaining the first date-time of badge attainment
  v = df.groupby("UserId", group_keys=False)['Date'].nsmallest(1)
  v.index = v.index.droplevel(1)

  df['date'] = df['UserId'].map(v)
  df.drop(columns='Date',inplace=True)
  
  #Removing all duplicate values of Users
  df.drop_duplicates(subset='UserId',  inplace=True )

  return df

错误

IndexError: Too many levels: Index has only 1 level, not 2

注意
在进一步检查中，我发现此行引起了错误 v.index = v.index.droplevel(1)

这是因为前面的代码行针对不同的徽章名称给出了不同的结果：

情况1：当代码对于给定的徽章正确运行时

df = badges [['UserId'，'Date']]。loc [badges.Name =='Autobiographer']
v = df.groupby（“ UserId”，group_keys = False）['Date']。nsmallest（1）打印（v）

o / p：

    1   22    2017-01-12T18:44:49.267 
    3   20    2019-01-12T18:44:49.267

（此输出具有index，UserId和给定徽章的最小值Date）

情况2：当代码无法正确使用给定的徽章

df = badges [['UserId'，'Date']]。loc [badges.Name =='Curious']
v = df.groupby（“ UserId”，group_keys = False）['Date']。nsmallest（1）打印（v）

o / p：

      23   2016-01-12T18:44:49.267 
      30   2020-01-12T18:44:49.267

（此输出没有index，这就是代码在下一行失败的原因。我不知道它是怎么回事。）

任何输入badge_name的函数的预期输出应返回一个数据帧，其中包含给定徽章的UserId和最小值Date。如果我的功能不清楚，请提供另一种使用新功能的方法来实现此目的。

Answer 1

我无法模拟您的错误，但我认为您的解决方案应使用DataFrame.sort_values进行简化-然后让所有初次使用日期最少的用户：

badges['Date'] = pd.to_datetime(badges['Date'])

def user_badge_dt(badge_name):
  
  #Creating DataFrame to obtain all UserId and date-Time of given badge
  return  (badges.loc[badges.BadgeName == badge_name, ['UserId','Date']]
                 .sort_values('Date')
                 .drop_duplicates(subset='UserId'))

如何解决由于熊猫集团的等级而导致的索引错误

1 个答案: