Выполните группировку и агрегацию в Python Pandas

У меня есть кадр данных, который выглядит как

user    time15min             name                  is_purchase
A       2015-08-18 16:45:00   Words With Friends    0
A       2015-08-18 16:45:00   Clash of Clans        0
A       2015-08-18 16:45:00   Words With Friends    0
A       2015-08-18 16:45:00   Clash of Clans        1
A       2015-08-18 17:00:00   Sudoku                0
B       2015-08-18 17:00:00   Angry Birds           0
B       2015-08-18 17:00:00   Candy Crush           0
B       2015-08-18 17:00:00   Candy Crush           0
....

Столбец time15min содержит 15-минутный сегмент, в течение которого пользователь играл в игру на мобильном телефоне.

Что мне нужно сделать, так это создать агрегированный фрейм данных, в котором для каждого пользователя и каждого временного интервала 15 минут есть столбец, показывающий, в какую игру играли больше всего, и были ли какие-либо покупки в приложении за это время.

Итак, результат будет таким

 user   time15min             name                  purchase_made
  A     2015-08-18 16:45:00   Clash of Clans        1
  A     2015-08-18 17:00:00   Sudoku                0
  B     2015-08-18 17:00:00   Candy Crush           0

В случае ничьей, как в первом случае для A, мы можем просто взять первый алфавит (в данном случае Clash of Clans).


python pandas python-2.7 group-by pandasql
person sfactor    schedule 02.09.2015    source источник

Ответы (1)


arrow_upward
3
arrow_downward

Вы можете применить рецепт из здесь

import pandas as pd
## read in your data from clipboard and get the columns right
df = pd.read_clipboard(sep='\s{2,}')

df.loc[:,'time15min'] = pd.to_datetime(df['time15min'])

## set the index to time15min, so df2 has a DateTimeIndex
df2 = df.set_index('time15min')

## Use .agg to count the names and total the purchases
df3=df2.groupby(['user',pd.TimeGrouper('15min'),'name']).agg({
                           'name':'count','is_purchase':'sum'})

## Create a mask to find the max for each group
mask = df3.groupby(level=[0,1]).agg('idxmax')
df3_count = df3.loc[mask['name']]

df3_count

Это дает следующий результат:

                                           name is_purchase
user    time15min           name        
A   2015-08-18 16:45:00     Clash of Clans  2   1
    2015-08-18 17:00:00     Sudoku          1   0
B   2015-08-18 17:00:00     Candy Crush     2   0
person TMrtSmith    schedule 02.09.2015
comment
Как вы создали df2 здесь? Я не совсем понял ту часть, где df2 создается из df. - person sfactor; 02.09.2015
comment
Извините, была опечатка: должно быть df2 = df.set_index('time15min') - person TMrtSmith; 02.09.2015