选择 pandas 中的 user_id 行。

huangapple
go评论99阅读模式
英文:

How to select user_id rows pandas

问题

  1. 用户ID	已下单	最早日期	最晚日期
  2. 1	1	2020年9月14日	2020年10月24日
  3. 2	0	2020年9月14日	NAT
  4. 3	1	2020年9月1日	2020年10月19日
  5. 3	2	2021年2月11日	2021年3月1日
英文:

How can I calculate the first visited date and the last visited date before an order was placed by the user?

  1. USER ID	TYPE	DATE
  2. 1	Visited	September 14, 2020
  3. 1	Visited	October 4, 2020
  4. 1	Visited	October 24, 2020
  5. 1	Ordered	November 1, 2020
  6. 2	Visited	September 14, 2020
  7. 2	Visited	October 1, 2020
  8. 3	Visited	September 1, 2020
  9. 3	Visited	October 4, 2020
  10. 3	Visited	October 4, 2020
  11. 3	Visited	October 19, 2020
  12. 3	Ordered	January 1, 2021
  13. 3	Visited	February 11, 2021
  14. 3	Visited	February 24, 2021
  15. 3	Visited	March 1, 2021
  16. 3	Ordered	April 21, 2021

Expected Output:

  1. USER ID	Ordered	MIN DATE	MAX DATE
  2. 1	1	September 14, 2020	October 24, 2020
  3. 2	0	September 14, 2020	NAT
  4. 3	1	September 1, 2020	October 19, 2020
  5. 3	2	February 11, 2021	March 1, 2021

答案1

得分: 1

以下是翻译好的部分：

  1. 尝试：
  3.     df['DATE'] = pd.to_datetime(df['DATE'])
  5.     df_out = df.assign(grp=(df['TYPE'] == 'Ordered')[::-1].cumsum())\
  6.                .set_index(['USER ID', 'grp', 'TYPE'], append=True)['DATE']\
  7.                .unstack('TYPE')\
  8.                .groupby(['USER ID', 'grp'], sort=False)\
  9.                .agg(Ordered=('Ordered','count'), 
  10.                     MIN_DATE=('Visited','first'), 
  11.                     MAX_DATE=('Visited','last'))\
  12.                .reset_index('grp', drop=True)\
  13.                .reset_index()
  14.     
  15.     df_out['MAX_DATE'] = df_out['MAX_DATE'].mask(df_out['Ordered'] == 0)
  16.     df_out['Ordered'] = df_out['Ordered'].groupby(df_out['USER ID']).cumsum()
  17.     
  18.     df_out['MIN_DATE'] = df_out['MIN_DATE'].dt.strftime('%Y年%m月%d日')
  19.     df_out['MAX_DATE'] = df_out['MAX_DATE'].dt.strftime('%Y年%m月%d日')
  21. 输出：
  23.        用户ID  已订购            最小日期            最大日期
  24.     0        1        1  2020年09月14日  2020年10月24日
  25.     1        2        0  2020年09月14日               NaN
  26.     2        3        1  2020年09月01日  2020年10月19日
  27.     3        3        2  2021年02月11日  2021年03月01日
英文:

Try:

  1. df['DATE'] = pd.to_datetime(df['DATE'])
  3. df_out = df.assign(grp=(df['TYPE'] == 'Ordered')[::-1].cumsum())\
  4.            .set_index(['USER ID', 'grp', 'TYPE'], append=True)['DATE']\
  5.            .unstack('TYPE')\
  6.            .groupby(['USER ID', 'grp'], sort=False)\
  7.            .agg(Ordered=('Ordered','count'), 
  8.                 MIN_DATE=('Visited','first'), 
  9.                 MAX_DATE=('Visited','last'))\
  10.            .reset_index('grp', drop=True)\
  11.            .reset_index()
  13. df_out['MAX_DATE'] = df_out['MAX_DATE'].mask(df_out['Ordered'] == 0)
  14. df_out['Ordered'] = df_out['Ordered'].groupby(df_out['USER ID']).cumsum()
  16. df_out['MIN_DATE'] = df_out['MIN_DATE'].dt.strftime('%B %d, %Y')
  17. df_out['MAX_DATE'] = df_out['MAX_DATE'].dt.strftime('%B %d, %Y')

Output:

  1.    USER ID  Ordered            MIN_DATE          MAX_DATE
  2. 0        1        1  September 14, 2020  October 24, 2020
  3. 1        2        0  September 14, 2020               NaN
  4. 2        3        1  September 01, 2020  October 19, 2020
  5. 3        3        2   February 11, 2021    March 01, 2021

huangapple
  • 本文由 发表于 2023年3月23日 09:07:15
  • 转载请务必保留本文链接：https://go.coder-hub.com/75818479.html
  • feature-extraction
  • filter
  • group
  • pandas
  • python
匿名

发表评论

匿名网友

:?: :razz: :sad: :evil: :!: :smile: :oops: :grin: :eek: :shock: :???: :cool: :lol: :mad: :twisted: :roll: :wink: :idea: :arrow: :neutral: :cry: :mrgreen:

确定