串联在大熊猫

比方说，我有下面的用户数据停留在一个酒店：串联在大熊猫

   end    start  uid 
0 2014-01-02 00:00:00 2014-01-01 00:00:00 1 
1 2014-01-04 00:00:00 2014-01-02 00:00:00 1 
2 2014-02-02 00:00:00 2014-02-01 00:00:00 1 
3 2014-01-02 00:00:00 2014-01-01 00:00:00 3

而且我想串联，通过同一用户的1天或更少（不同的连续住宿），从而有效地创建以下数据帧：

   end    start  uid 
0 2014-01-04 00:00:00 2014-01-01 00:00:00 1 
2 2014-02-02 00:00:00 2014-02-01 00:00:00 1 
3 2014-01-02 00:00:00 2014-01-01 00:00:00 3

第一步骤将是groupby("uid")。但是，如何遍历每个组的行，以便我可以使用pandas工具箱进行连接？

为方便起见，这里是数据帧的最小初始化：

import pandas as pd 
from datetime import datetime 
data = pd.DataFrame([{"uid":1,"start":datetime(year=2014,month=1,day=1),"end":datetime(year=2014,month=1,day=2)},{"uid":1,"start":datetime(year=2014,month=1,day=2),"end":datetime(year=2014,month=1,day=4)},{"uid":1,"start":datetime(year=2014,month=2,day=1),"end":datetime(year=2014,month=2,day=2)},{"uid":3,"start":datetime(year=2014,month=1,day=1),"end":datetime(year=2014,month=1,day=2)}])

来源

2014-04-04 grasshopper

所以，这是我如何解决这一点，而无需使用任何矢量或特殊的熊猫特色。另外，这假定数据在开始，结束时进行排序。

data["discard"] = False 

grouped = data.groupby("uid") 
uids = data.uid.unique() 
maxdiff = 24 * 60 * 60 
parts = [] 
for uid in uids: 
    group = grouped.get_group(uid) 

    for x in range(1,len(group)): 
     prev = group.end.iloc[x-1] 
      curr = group.start.iloc[x] 
     difference = int((curr-prev).total_seconds()) 
     if difference<maxdiff: 
      group.start.iloc[x] = group.start.iloc[x-1] 
      group.discard.iloc[x-1] = True 

    parts.append(group) 

new_df = pd.concat(parts) 
new_df = new_df[new_df.discard==False] 
del new_df["discard"] 
print new_df

来源

2014-04-04 11:52:09 grasshopper

串联在大熊猫

回答

相关问题