如何使用熊猫遍历 groupby 列？答案

【问题标题】：How to loop over the groupby column using pandas?如何使用熊猫遍历 groupby 列？
【发布时间】：2023-03-24 00:08:01
【问题描述】：

我的数据框是这样的

Numbers, user_id, time_stamp
1   2   2013-11-15 03:45:04
2   2   2013-11-29 03:45:04
3   2   2013-12-09 03:45:04
4   2   2013-12-25 03:45:04
5   2   2013-12-31 03:45:04
6   3   2014-01-08 03:45:04
7   3   2014-02-03 03:45:04
7   4   2014-02-03 03:45:04

我必须找到在至少一周内的三个不同天访问该网站的 user_id。我试过了

def gr (group):
    for i in range(1, len(group)-2):
        print (group['time_stamp'].ix[i+2] - group['time_stamp'].ix[i] <= pd.Timedelta(days=7))

df.groupby('user_id').apply(gr)

它正确显示了一些值，但随后抛出 KeyError: 3 如何过滤所有满足条件的 user_id？谢谢。

【问题讨论】：

标签： python pandas numpy pandas-groupby

【解决方案1】：

以下代码应该可以工作。但是您的示例似乎没有任何满足您条件的 user_id。

(
    df.assign(year=df.time_stamp.dt.year,
              woy=df.time_stamp.dt.weekofyear,
              dow=df.time_stamp.dt.dayofweek)
    .groupby(['user_id','year','woy'])
    .filter(lambda x: x.dow.nunique()>=3)
)

【讨论】：

【解决方案2】：

我认为您的代码实际上应该可以工作，只是 ix[i] 尝试使用索引标签，而不是整数位置。请改用.iloc[i,:]。

但您可以使用内置的 pandas 函数更有效地执行此操作。

Allen 举了一个这样的例子，但如果我正确阅读了问题，那么解决方案并不完全正确 - 您正在寻找任何连续 7 天的时间段，而不仅仅是一年中的特定一周。

我相信以下应该有效：

weekly_counts=df.set_index('timestamp').groupby('user_id').rolling('7d')['user_id'].count().rename('count')
weekly_max=weekly_counts.groupby(level='user_id').max()
weekly_max[weekly_max>=3].index

【讨论】：