pandas 中的时间序列分析答案

【问题标题】：Time series analysis in pandaspandas 中的时间序列分析
【发布时间】：2014-07-10 06:44:56
【问题描述】：

我有一个包含网站访问的 Pandas DataFrame，我有两列 ID 数字和 date 格式为 YYYY-mm-dd HH:mm:ss。

我想获得一个数据框，其中包含客户每次访问之间的时间差。我找到了如何使用 GROUPBY 获取访问次数，但我不知道其余的。

编辑：

No.      IDs      date
 1      4678     2012-11-30 23:59:59
 2      4703     2012-11-30 23:59:23
 3      4678     2012-11-30 23:58:46
 4      5803     2012-11-30 23:58:19
 5      4678     2012-11-30 23:58:07

我想为每个 ID 号获取如下内容：

      Visit_number      duration since last visit
4678        1                    0
            2                    73s
            3                    39s

目前我只能用array.groupby(['IDs']).size()计算每个ID号的访问次数

【问题讨论】：

你应该提供你所做的，数据框的样本和样本输出
没有数据和代码有点模糊
我进行了编辑以使其更清晰易懂

标签： python pandas time-series

【解决方案1】：

计算访问次数，可以使用groupby和cumcount：

In [76]: df['Visit_Number'] = df.groupby('IDs').cumcount() + 1

接下来，在此期间，您可以为每个组使用diff：

In [77]: df['duration'] = - df.groupby('IDs')['date'].diff()


In [78]: df
Out[78]: 
    IDs                date  Visit_Number  duration
0  4678 2012-11-30 23:59:59             1       NaT
1  4703 2012-11-30 23:59:23             1       NaT
2  4678 2012-11-30 23:58:46             2  00:01:13
3  5803 2012-11-30 23:58:19             1       NaT
4  4678 2012-11-30 23:58:07             3  00:00:39

这为您提供了 timedelta 的区别，只需几秒钟即可获得并填充 NaN 值：

In [79]: df['duration'] = df['duration'].astype('timedelta64[s]').fillna(0)

In [80]: df
Out[80]: 
    IDs                date  Visit_Number  duration
0  4678 2012-11-30 23:59:59             1         0
1  4703 2012-11-30 23:59:23             1         0
2  4678 2012-11-30 23:58:46             2        73
3  5803 2012-11-30 23:58:19             1         0
4  4678 2012-11-30 23:58:07             3        39

【讨论】：

【解决方案2】：

类似于以下内容：

import pandas as pd
import datetime

a = pd.read_csv("a.csv")
a.date = a.date.map(lambda s: datetime.datetime.strptime(s, "%Y-%m-%d %H:%M:%S"))
for user_id, series in a.sort("date").groupby("id"):
    print user_id, series.date.diff()

输出：

4678 4        NaT
2   00:00:39
0   00:01:13
Name: date, dtype: timedelta64[ns]
4703 1   NaT
Name: date, dtype: timedelta64[ns]
5803 3   NaT
Name: date, dtype: timedelta64[ns]

【讨论】：