1

我有大量事件被跟踪，每个事件都附加了时间戳：

我目前有下表：

ID  Time_Stamp         Event
1   2/20/2019 18:21    0
1   2/20/2019 19:46    0
1   2/21/2019 18:35    0
1   2/22/2019 11:39    1
1   2/22/2019 16:46    0
1   2/23/2019 7:40     0
2   6/5/2019 0:10      0
3   7/31/2019 10:18    0
3   8/23/2019 16:33    0
4   6/26/2019 20:49    0

我想要的是以下内容[但不确定是否可能]：

ID  Time_Stamp       Conversion  Total_Duration_Days    Conversion_Duration
1   2/20/2019 18:21  0           2.555                  1.721
1   2/20/2019 19:46  0           2.555                  1.721
1   2/21/2019 18:35  0           2.555                  1.721
1   2/22/2019 11:39  1           2.555                  1.721
1   2/22/2019 16:46  1           2.555                  1.934
1   2/23/2019 7:40   0           2.555                  1.934
2   6/5/2019 0:10    0           1.00                   0.000
3   7/31/2019 10:18  0           23.260                 0.000
3   8/23/2019 16:33  0           23.260                 0.000
4   6/26/2019 20:49  0           1.00                   0.000

对于 #1 总持续时间= Max Date - Min Date[2.555 天]

对于 #2 Conversion Duration = Conversion Date - Min Date[1.721 Days] - 转换后的以下操作可以保持在计算的持续时间

我尝试了以下方法：

df.reset_index(inplace=True)
df.groupby(['ID'])['Time_Stamp].diff().fillna(0)

这种做我想要的，但它显示了每个事件之间的差异，而不是最小时间戳到最大时间戳

conv_test = df.reset_index(inplace=True)

min_df = conv_test.groupby(['ID'])['visitStartTime_aest'].agg('min').to_frame('MinTime')

max_df = conv_test.groupby(['ID'])['visitStartTime_aest'].agg('max').to_frame('MaxTime')

conv_test = conv_test.set_index('ID').merge(min_df, left_index=True, right_index=True)

conv_test = conv_test.merge(max_df, left_index=True, right_index=True)

conv_test['Durartion'] = conv_test['MaxTime'] - conv_test['MinTime']

这给了我Total_Duration_Days很棒的[随意提供更优雅的解决方案

关于我如何获得的任何想法Conversion_Duration？

4

1 回答 1

1

您可以使用GroupBy.transformwithmin和maxforSeries与原始大小相同，因此可以减去 forTotal_Duration_Days然后仅过滤1行Event，创建Series并DataFrame.set_index转换为dict，然后Series.map用于新系列，因此可以减去每个组的最小值：

df['Time_Stamp'] = pd.to_datetime(df['Time_Stamp'])

min1 = df.groupby('ID')['Time_Stamp'].transform('min')
max1 = df.groupby('ID')['Time_Stamp'].transform('max')
df['Total_Duration_Days'] = max1.sub(min1).dt.total_seconds() / (3600 * 24)

d = df.loc[df['Event'] == 1].set_index('ID')['Time_Stamp'].to_dict()
new1 = df['ID'].map(d)

因为1仅针对此组添加了可能的每组多个解决方案 - 测试，如果1掩码中的每组更多，则获取 Seriesnew2然后Series.combine_first与mappedSeries一起使用new1。

原因是提高性能，因为处理多个 1 有点复杂。

mask = df['Event'].eq(1).groupby(df['ID']).transform('sum').gt(1)
g = df[mask].groupby('ID')['Event'].cumsum().replace({0:np.nan})
new2 = (df[mask].groupby(['ID', g])['Time_Stamp']
         .transform('first')
         .groupby(df['ID'])
         .bfill())
df['Conversion_Duration'] = (new2.combine_first(new1)
                                .sub(min1)
                                .dt.total_seconds().fillna(0) / (3600 * 24))

print (df)
   ID          Time_Stamp  Event  Total_Duration_Days  Conversion_Duration
0   1 2019-02-20 18:21:00      0             2.554861             1.720833
1   1 2019-02-20 19:46:00      0             2.554861             1.720833
2   1 2019-02-21 18:35:00      0             2.554861             1.720833
3   1 2019-02-22 11:39:00      1             2.554861             1.720833
4   1 2019-02-22 16:46:00      1             2.554861             1.934028
5   1 2019-02-23 07:40:00      0             2.554861             1.934028
6   2 2019-06-05 00:10:00      0             0.000000             0.000000
7   3 2019-07-31 10:18:00      0            23.260417             0.000000
8   3 2019-08-23 16:33:00      0            23.260417             0.000000
9   4 2019-06-26 20:49:00      0             0.000000             0.000000
于 2019-09-14T05:49:38.993 回答