在使用熊猫时，是否有其他方式向群中添加列？
在使用熊猫时，是否有其他方式向群中添加列？
提问于 2016-12-29 23:17:08
我把会话定义为一组歌曲，这些歌曲播放的时间不超过15分钟。我的目标是找到每个用户的平均会话长度。
到目前为止，我已经使用python和大熊猫将下面的数据按用户id分组，然后按照开始时间戳对每个组进行排序。
输入数据：
到目前为止我的代码是：
start_end_song.groupby('user_id').apply(lambda x: x.sort_values('start_timestamp'))上述代码的输出：
接下来，我要计算第一首歌的结束时间戳和下一首时间戳的开头之间的间隔。
然而，这是行不通的：
start_end_song.groupby('user_id')\
.apply(lambda x: x.sort_values('start_timestamp'))\
.apply(lambda x: x['break']= start_end_song['end_timestamp']- start_end_song['start_timestamp'].shift(-1))SyntaxError: lambda不能包含赋值
是否有另一种方式向groupby添加列？
回答 1
Stack Overflow用户
回答已采纳
发布于 2016-12-29 23:34:33
您可以使用pandas.DataFrame.shift和pandas.DataFrame.cumsum获得“岛屿”歌曲：
>>> df = pd.DataFrame({'user_id': [1, 1, 1, 1, 2, 2, 2, 2], 'start_timestamp': [1, 3, 20, 26, 1, 5, 40, 42], 'end_timestamp': [2, 4, 25, 27, 2, 10, 41, 50]}, columns=['user_id', 'start_timestamp', 'end_timestamp'])
>>> df
user_id start_timestamp end_timestamp
0 1 1 2
1 1 3 4
2 1 20 25
3 1 26 27
4 2 1 2
5 2 5 10
6 2 40 41
7 2 42 50
>>> df['session_break'] = (df['start_timestamp'] - df.groupby('user_id')['end_timestamp'].shift(1) >= 15).astype('int')
>>> df
user_id start_timestamp end_timestamp session_break
0 1 1 2 0
1 1 3 4 0
2 1 20 25 1
3 1 26 27 0
4 2 1 2 0
5 2 5 10 0
6 2 40 41 1
7 2 42 50 0
>>> df['session_label'] = df.groupby('user_id')['session_break'].cumsum()
>>> df
user_id start_timestamp end_timestamp session_break session_label
0 1 1 2 0 0
1 1 3 4 0 0
2 1 20 25 1 1
3 1 26 27 0 1
4 2 1 2 0 0
5 2 5 10 0 0
6 2 40 41 1 1
7 2 42 50 0 1更新
要获得平均会话持续时间，可以这样做：
>>> g = df.groupby(['user_id', 'session_label']).agg({'end_timestamp' : np.max, 'start_timestamp' : np.min})
>>> g
start_timestamp end_timestamp
user_id session_label
1 0 1 4
1 20 27
2 0 1 10
1 40 50
>>> (g['end_timestamp'] - g['start_timestamp']).groupby(level=0).mean()
user_id
1 5.0
2 9.5页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/41388537
复制相关文章
相似问题
腾讯云开发者
