如何根據當前行值和上一行值的兩個條件分配列的值？

這是資料框，原始有一百萬行，因此解決方案需要高效：

代碼：

import pandas as pd

df_temp = pd.DataFrame({'Download Button Clicked Time': {0: '2021-10-24 12:39:27.189629',
  1: '2021-10-24 12:42:06.346536',
  2: '2021-10-24 12:42:06.369056',
  3: '2021-10-24 12:42:11.551610',
  4: '2021-10-24 12:44:38.475047',
  5: '2021-10-24 12:46:33.331920',
  6: '2021-10-24 12:46:33.346536',
  7: '2021-10-24 12:46:33.369056',
  8: '2021-10-24 12:46:33.421520',
  9: '2021-10-24 12:46:33.404641'},
 'Install Verified Time': {0: '2021-10-24 12:41:04.669589',
  1: '2021-10-24 12:43:14.032023',
  2: '2021-10-24 12:43:14.033913',
  3: '2021-10-24 12:44:08.667666',
  4: '2021-10-24 12:46:11.161883',
  5: '2021-10-24 12:46:34.976129',
  6: '2021-10-24 12:46:35.032023',
  7: '2021-10-24 12:46:35.033913',
  8: '2021-10-24 12:46:35.065320',
  9: '2021-10-24 12:46:35.125156'},
 'App ID': {0: 'com.foxbytecode.captureintruder',
  1: 'in.onecode.app',
  2: 'com.payworld.phoneapp',
  3: 'messenger.messenger.videocall.messenger',
  4: 'imagito.image.search',
  5: 'reward.earn.talktime.sixer',
  6: 'com.hivoco.app',
  7: 'messenger.social.productivity.notifire',
  8: 'com.foxbytecode.exiftool',
  9: 'com.fliplearn.app'},
 'Email ID': {0: 'mandeepsharma38276atwehoo.com',
  1: 'luckychauhan1199atwehoo.com',
  2: 'mandeepsharma38276atwehoo.com',
  3: 'chettanmon40atwehoo.com',
  4: 'kaliapradhan1413atwehoo.com',
  5: 'pinkydevi69784atwehoo.com',
  6: 'pinkydevi69784atwehoo.com',
  7: 'pinkydevi69784atwehoo.com',
  8: 'pinkydevi69784atwehoo.com',
  9: 'pinkydevi69784atwehoo.com'},
 'install_time': {0: 97.47996,
  1: 68.29827800000001,
  2: 120.708813,
  3: 117.116056,
  4: 92.686836,
  5: 1.644209,
  6: 1.6854870000000002,
  7: 1.664857,
  8: 1.6438000000000001,
  9: 1.720515},
 'fraud': {0: 0, 1: 0, 2: 0, 3: 0, 4: 0, 5: 0, 6: 0, 7: 0, 8: 0, 9: 0}})

df_temp

輸出應該只有最后五個“欺詐”行作為一個，但當前輸出是這樣的：

我用來檢測欺詐并獲得此輸出的代碼是這樣的：

df_temp['Download Button Clicked Time'] = df_temp['Download Button Clicked Time'].astype('datetime64[ns]')
df_temp['Install Verified Time'] = df_temp['Install Verified Time'].astype('datetime64[ns]')

df_temp['install_time'] = df_temp['Install Verified Time'] - df_temp['Download Button Clicked Time']
df_temp['install_time'] = df_temp['install_time'].dt.total_seconds()

df_temp['diff'] = df_temp.install_time.diff().abs()

def fraud_time(row):
  fraud = 0
  if row['install_time'] < 0.5:
    fraud = 1
  elif row['diff'] < 0.1:
    fraud = 1
  return fraud

df_temp['fraud'] = df_temp.apply(fraud_time, axis=1)

df_temp

我正在使用安裝驗證時間，似乎比下載按鈕單擊時間更明智。如您所見，不應將第三行標記為 1，因為第二行和第三行電子郵件不同。此外，最后五行而不是四行也應標記為 1。

TL;博士

僅當最后兩個電子郵件地址不同時，才使用 pandas.DataFrame.diff 檢測欺詐（可能是通過）。

編輯：對于相同的電子郵件，欺詐將具有非常小的時間差值（例如 0.02 秒），而不是不同的電子郵件。兩個不同的用戶在 2 毫秒內安裝兩個不同的應用程式是有意義的，同一個用戶這樣做沒有意義。

uj5u.com熱心網友回復：

關鍵是通過電子郵件對條目進行分組以進行連續安裝：

# I assume you have done this already
df['Install Verified Time'] = pd.to_datetime(df['Install Verified Time'])

df['fraud'] = (df['install_time'] < 0.5) | (
    df.groupby('Email ID', as_index=False)['Install Verified Time'].diff()['Install Verified Time'] < pd.Timedelta(seconds=0.1)
)

標籤：Python熊猫数据框麻木的

上一篇：如何獲取百分比列以及值/計數列

下一篇：有效地過濾掉兩個二維numpy陣列之間的匹配行