我有一個帶有資料庫日志的 pandas DataFrame，用于對資料庫進行更新。我想通過使用登錄條目的日期時間到下次登錄之前的最后一個條目的時間來找到會話長度的替代項。
log_id staff_id log_date action_name
559932 1 2019-01-05 06:32:36.960 Login
559933 1 2019-01-05 06:33:14.723 Update
559935 1 2019-01-05 06:34:49.770 Insert
559937 1 2019-01-05 06:40:36.503 Update
559938 1 2019-01-05 06:41:11.443 Update
559957 1 2019-01-05 07:24:12.190 Login
559958 1 2019-01-05 07:24:25.673 Update
559960 1 2019-01-05 07:25:01.673 Update
559963 1 2019-01-05 07:25:49.880 Update
559964 1 2019-01-05 07:25:49.897 Accepted
559966 1 2019-01-05 07:27:42.860 Insert
559967 1 2019-01-05 07:27:42.860 Insert
559968 1 2019-01-05 07:27:42.903 Admitted
559969 1 2019-01-05 07:30:23.173 Insert
559970 1 2019-01-05 07:30:37.643 Insert
559971 1 2019-01-05 07:31:18.640 Update
559972 1 2019-01-05 07:31:31.033 Update
570170 2 2019-01-25 22:52:10.160 Login
理想情況下，將能夠groupby“staff_id”并從下一次登錄的移位 -1 的日期時間條目中減去登錄條目的日期時間。但我似乎無法通過該功能獲得我正在尋找的東西groupby diff。任何想法將不勝感激。
uj5u.com熱心網友回復：
IIUC，你想要每個登錄條目之間的時間差；因此，cumsum在“action_name”列上派生會話 ID 并groupby找到每個組中最后一次和第一次之間的差異應該可以完成這項作業：
df['log_date'] = pd.to_datetime(df['log_date'])
df['session_length'] = (df.groupby(['staff_id', df['action_name'].eq('Login').cumsum()])['log_date']
.transform(lambda x: x.iat[-1] - x.iat[0])
.astype(str).str.extract('days (.*)'))
輸出：
log_id staff_id log_date action_name session_length
0 559932 1 2019-01-05 06:32:36.960 Login 00:08:34.483000
1 559933 1 2019-01-05 06:33:14.723 Update 00:08:34.483000
2 559935 1 2019-01-05 06:34:49.770 Insert 00:08:34.483000
3 559937 1 2019-01-05 06:40:36.503 Update 00:08:34.483000
4 559938 1 2019-01-05 06:41:11.443 Update 00:08:34.483000
5 559957 1 2019-01-05 07:24:12.190 Login 00:07:18.843000
6 559958 1 2019-01-05 07:24:25.673 Update 00:07:18.843000
7 559960 1 2019-01-05 07:25:01.673 Update 00:07:18.843000
8 559963 1 2019-01-05 07:25:49.880 Update 00:07:18.843000
9 559964 1 2019-01-05 07:25:49.897 Accepted 00:07:18.843000
10 559966 1 2019-01-05 07:27:42.860 Insert 00:07:18.843000
11 559967 1 2019-01-05 07:27:42.860 Insert 00:07:18.843000
12 559968 1 2019-01-05 07:27:42.903 Admitted 00:07:18.843000
13 559969 1 2019-01-05 07:30:23.173 Insert 00:07:18.843000
14 559970 1 2019-01-05 07:30:37.643 Insert 00:07:18.843000
15 559971 1 2019-01-05 07:31:18.640 Update 00:07:18.843000
16 559972 1 2019-01-05 07:31:31.033 Update 00:07:18.843000
17 570170 2 2019-01-25 22:52:10.160 Login 00:00:00
轉載請註明出處，本文鏈接：https://www.uj5u.com/houduan/439082.html
標籤：Python 熊猫 数据框 约会时间 熊猫-groupby