计算完整的两步过程的平均每日持续时间答案

【问题标题】：Calculate average daily duration for a complete two step process计算完整的两步过程的平均每日持续时间
【发布时间】：2021-12-11 07:24:36
【问题描述】：

我有一个类似于下面的数据框。我想计算特定用户从第 1 步到第 2 步所需的每日平均时间。如果用户重新启动流程（记录为步骤 1），则持续时间将计算为新步骤 1 与后续步骤 2 之间的差异。持续时间仅使用具有步骤 1 和步骤 2 的记录计算同一个用户。

    user    action  time
0   3249    step 1  2021-10-25 19:45:43
1   2160    step 1  2021-10-25 19:48:46
2   2160    step 2  2021-10-25 19:50:21
3   3249    step 2  2021-10-25 19:57:34
4   5120    step 1  2021-10-25 20:30:56
5   3900    step 1  2021-10-25 20:35:40
6   3900    step 1  2021-10-25 20:50:59
7   3900    step 2  2021-10-25 21:15:08

【问题讨论】：

标签： python pandas dataframe

【解决方案1】：

使用pivot_table 转换您的数据框：

# Use a clean dataframe
df['time'] = pd.to_datetime(df['time'])
df = df.sort_values('time')

out = df.pivot_table(index=['user', df['time'].dt.date], columns='action',
                     values='time', aggfunc='last').reset_index()

out['daily_avg'] = out.groupby(['user', 'time'], as_index=False) \
                      .apply(lambda x: x['step 2'] - x['step 1']).values

out = out.groupby('user')['daily_avg'].mean().reset_index()

输出结果：

>>> out
   user       daily_avg
0  2160 0 days 00:01:35
1  3249 0 days 00:11:51
2  3900 0 days 00:25:03
3  5120             NaT

我的设置（我稍微修改了你的数据框）：

data = {'user': [3249, 2160, 2160, 3249, 5120, 3900, 3900, 3900, 3900, 3900], 'action': ['step 1', 'step 1', 'step 2', 'step 2', 'step 1', 'step 1', 'step 1', 'step 2', 'step 1', 'step 2'], 'time': ['2021-10-25 19:45:43', '2021-10-25 19:48:46', '2021-10-25 19:50:21', '2021-10-25 19:57:34', '2021-10-25 20:30:56', '2021-10-25 20:35:40', '2021-10-25 20:50:59', '2021-10-25 21:15:08', '2021-10-26 18:23:41', '2021-10-26 18:49:38']}

df = pd.DataFrame(data)
print(df)

# Output
   user  action                 time
0  3249  step 1  2021-10-25 19:45:43
1  2160  step 1  2021-10-25 19:48:46
2  2160  step 2  2021-10-25 19:50:21
3  3249  step 2  2021-10-25 19:57:34
4  5120  step 1  2021-10-25 20:30:56
5  3900  step 1  2021-10-25 20:35:40
6  3900  step 1  2021-10-25 20:50:59
7  3900  step 2  2021-10-25 21:15:08
8  3900  step 1  2021-10-26 18:23:41  # added
9  3900  step 2  2021-10-26 18:49:38  # added

【讨论】：

从这里，您当前的输出是什么？你需要按天分组吗？
是的，我想知道完成按天分组的流程所需的平均时间
@weano。我更新了我的答案。你能检查一下吗？我将我的代码分成 3 部分（out= 的每一行）。您可以逐步执行它以了解每个转换。
在我介绍未在同一天完成这两个步骤的用户之前，此方法有效

【解决方案2】：

好的，我试试：

(df
  .sort_values(by='time') # just to make sure
  .assign(day = lambda x: x['time'].dt.day)
  .groupby(['user', 'day']) # seems like a good place to start, also groupby preserves order.
  .apply(lambda x: (x
            .loc[lambda x: x != x.shift(1)] # Keeps only the last of step 1 (but allows for more than one process per day)
            .assign(diff = lambda x: x['time'] - x['time'].shift(1))
            ['diff'].mean()
        )
  )
)

我没有检查过这个，但试试看。如果我弄错了，可能应该是.shift(-1)

【讨论】：