在 pandas 数据框中查找频繁用户答案

【问题标题】：Finding frequent users in pandas dataframe在 pandas 数据框中查找频繁用户
【发布时间】：2014-03-24 18:30:57
【问题描述】：

我有一个 pandas 数据框，其中包含名为 user_id 和 login_date 的列，我想获取频繁用户的 ID（即多次登录）和他们的登录频率。

为此，我尝试了：

    frequent_users = df.groupby(['login_date', 'user_id']).agg({"user_id": lambda x: x.count()})

结果是：

2011-01-17

2011-01-18

          789     1
          434     4
          654     1

问题是，如何删除或过滤掉频率为 1 的所有条目？

编辑：

这是一个例子：

    login_dates = ['2011-01-17', '2011-01-17', '2011-01-17', '2011-01-17', '2011-01-17', '2011-01-18', '2011-01-18','2011-01-18','2011-01-18', '2011-01-18', '2011-01-18']
    user_id =[556,456,958,347,347,789,434,434,434,434,654]
    df = DataFrame({'login_date': login_dates, 'user_id': user_id})
    frequent_users = df.groupby(['login_date', 'user_id']).agg({"user_id": lambda x: x.count()})

【问题讨论】：

标签： python group-by pandas dataframe

【解决方案1】：

我认为在这里使用 apply 可能更简单：

# instead of lambda x: x.count()
def count_more_than_one(x):
    c = x.value_counts()
    return c[c > 1]

In [11]: df.groupby(['login_date'])['user_id'].apply(count_more_than_one)
Out[11]:
login_date
2011-01-17  347    2
2011-01-18  434    4
dtype: int64

In [12]: df.groupby(['login_date'])['user_id'].apply(count_more_than_one).unstack(1)
Out[12]:
            347  434
login_date
2011-01-17    2  NaN
2011-01-18  NaN    4

【讨论】：

这不太行，因为 c 是一个整数，而不是一个列表。如果我定义一个结果列表并且只返回计数 > 1 的结果，我有与上面相同的列表，但用 [] 替换 1s...
@Qbite 啊，我的意思是 value_counts （你能检查一下编辑后的版本是否有效吗？）ps。有助于提供一个小例子，以便我们检查它:)
不，它不起作用。我得到一个错误：ValueError：函数没有减少。你是对的，如果我提供一个例子会更容易。检查原始帖子的编辑版本。
@Qbite 这似乎适用于 apply :s （感谢编辑，让它更容易，如果我还没有 +1d，我会再来一次！）:)
知道了，上面的选项可以完成这项工作。谢谢！

【解决方案2】：

突然提到我最喜欢的方法...

frequent_users = df.groupby('user_id').filter(lambda x: x.count() > 1)

回答您问题的第二部分“他们登录的频率”不是很清楚。您想要登录之间的平均时间吗？登录总数？

【讨论】：

我想要每天的登录总数（login_date），但我想过滤掉任何唯一用户，即我只想保留多次登录的用户。
看来 OP 想用 value_counts 链接一个过滤器？（就像你说的，不清楚！）