我有以下資料框（這是資料框的簡化版本，但邏輯是相同的）：
#MONTH = yyyy-mm-dd
MONTH User
0 2021-04-01 A
1 2021-04-01 B
2 2021-05-01 B
3 2021-06-01 A
4 2021-06-01 B
5 2021-07-01 A
6 2021-07-01 B
7 2021-08-01 A
8 2021-08-01 B
我想要的是計算用戶是否在 3 個月滾動的基礎上處于活動狀態。
例如，用戶B如果我們考慮 6 月 (2021-06-01)，我們可以看到他在 5 月和 4 月活躍，因此在 3M 滾動的基礎上，他在 6 月被認為是活躍的。而A同一時間段的用戶在三個月中的一個月內沒有活躍，因此在 6 月他將不被視為活躍。
所需的輸出是有一個列來計算每個月的活躍用戶數（300 萬滾動），例如基于上述資料：
MONTH Active_User_Count
0 2021-04-01 NaN
1 2021-05-01 NaN
2 2021-06-01 1
3 2021-07-01 1
4 2021-08-01 2
我仍在努力了解滾動資料，所以如果有人能幫助我，那就太好了！提前致謝！
編輯該MONTH列只有每個月第一天的值，但當天有多個用戶。所以沒有2021-04-30，都是每月的第一天。
uj5u.com熱心網友回復：
好吧，讓我們試試這個。假設一個pandas.DataFrame被呼叫的df，它有一個MONTH型別pandas.Timestamp的User列，和一個我們可以的列groupby：
import pandas as pd
import numpy as np
df = #[however you got your data here]
df.MONTH = df.MONTH.apply(pd.Timestamp)
所以例如
>>> df
MONTH User
0 2021-04-01 A
1 2021-04-01 B
2 2021-05-01 B
3 2021-06-01 A
4 2021-06-01 B
5 2021-07-01 A
6 2021-07-01 B
7 2021-08-01 A
8 2021-08-01 B
然后給定以上，讓我們制作一個DataFrame來保存我們的結果，從輸入開始到結束連續幾個月DataFrame，并將活動用戶計數列初始化為0：
res = pd.DataFrame(pd.date_range(df.MONTH.min(),df.MONTH.max(),freq='MS'),columns=['MONTH'])
res['Active_User_Count'] = 0
res = res.set_index('MONTH').sort_index()
現在添加值：
for user, frame in df.groupby(by='User'):
# make a helper column, that has an indicator of whether the user
# was active that month (value='both') or not (value='right_only')
frame = frame.merge(
pd.Series(pd.date_range(start=frame.MONTH.min(),\
end=frame.MONTH.max(),\
freq='MS'),\
name='MONTH'),\
on='MONTH',how='outer',indicator=True)\
.set_index('MONTH').sort_index()
# this is where the magic happens;
# categorize the '_merge' results (0 = left_only, 1 = right_only, 2 = both)
# then on a 3-wide rolling window, get the minimum value
# check that it is greater than 1.5 (i.e. all three prev months
# are _merge value 'both')
# if it's not > 1.5, then the user wasn't active for all 3 months
# finally take the result from that rolling.min.apply,
# and funnel into a numpy.where array, which sets
# 'Active_User_Count' of the in-process user frame
# to an array of 1s and 0s
frame['Active_User_Count'] = np.where(
(frame._merge
.astype('category').cat.codes
.rolling(3).min().apply(lambda x: x > 1.5)), 1, 0)
# add the current-user activity into the total result
res.Active_User_Count[frame.index] = frame.Active_User_Count
# some re-formatting
res = res.reset_index().sort_index()
畢竟我們得到了我們的輸出：
>>> res
MONTH Active_User_Count
0 2021-04-01 0
1 2021-05-01 0
2 2021-06-01 1
3 2021-07-01 1
4 2021-08-01 2
TL; 博士
Here's a function to do the thing
import pandas as pd
import numpy as np
def active_users(df):
res = pd.DataFrame(pd.date_range(df.MONTH.min(),\
df.MONTH.max(),\
freq='MS'),\
columns=['MONTH'])
res['Active_User_Count'] = 0
res = res.set_index('MONTH').sort_index()
for user, frame in df.groupby(by='User'):
frame = frame.merge(pd.Series(
pd.date_range(start=frame.MONTH.min(),\
end=frame.MONTH.max(),\
freq='MS'),\
name='MONTH'),\
on='MONTH',\
how='outer',\
indicator=True)\
.set_index('MONTH').sort_index()
frame['Active_User_Count'] = np.where(
(frame._merge
.astype('category')
.cat.codes
.rolling(3).min().apply(lambda x: x > 1.5)), 1, 0)
res.Active_User_Count[frame.index] = frame.Active_User_Count
return res.reset_index().sort_index()
轉載請註明出處，本文鏈接：https://www.uj5u.com/yidong/331182.html