一周内的事件频率

Question

我的数据包含包含日期时间信息的行程、每次行程的用户 ID 和行程类型（单次、圆形、伪）。

这是一个名为 All_Data 的数据样本（pandas 数据框）：

HoraDTRetirada        idpass        type                                             
2016-02-17 15:36:00  39579449489   'single'  
2016-02-18 19:13:00  39579449489   'single' 
2016-02-26 09:20:00  72986744521   'pseudo' 
2016-02-27 12:11:00  72986744521   'round'  
2016-02-27 14:55:00  11533148958   'pseudo'
2016-02-28 12:27:00  72986744521   'round'
2016-02-28 16:32:00  72986744521   'round'

我想按用户统计每个类别在“一年中的一周”中重复的次数。

例如，如果同一用户的事件发生在星期一，而下一个事件发生在星期四，则同一周会发生两个事件；但是，如果一个事件发生在星期六，而下一个事件发生在下一个星期一，它们发生在不同的星期。

我正在寻找的输出将是这样的形式：

idpass        weekofyear   type      frequency
39579449489    1           'single'   2
72986744521    2           'round'    3
72986744521    2           'pseudo'   1
11533148958    2           'pseudo'   1

编辑：这个older question 解决了类似的问题，但我不知道如何使用 pandas 来解决。

Answer 1

import pandas as pd

data = {"HoraDTRetirada": ["2016-02-17 15:36:00", "2016-02-18 19:13:00", "2016-12-31 09:20:00", "2016-02-28 12:11:00",
                           "2016-02-28 14:55:00", "2016-02-29 12:27:00", "2016-02-29 16:32:00"],
        "idpass": ["39579449489", "39579449489", "72986744521", "72986744521", "11533148958", "72986744521",
                   "72986744521"],
        "type": ["single", "single", "pseudo", "round", "pseudo", "round", "round"]}
df = pd.DataFrame.from_dict(data)
print(df)
df["HoraDTRetirada"] = pd.to_datetime(df['HoraDTRetirada'])
df["week"] = df['HoraDTRetirada'].dt.strftime('%U')
k = df.groupby(["idpass", "week", "type"],as_index=False).count()
print(k)

输出：

        HoraDTRetirada       idpass    type
0  2016-02-17 15:36:00  39579449489  single
1  2016-02-18 19:13:00  39579449489  single
2  2016-12-31 09:20:00  72986744521  pseudo
3  2016-02-28 12:11:00  72986744521   round
4  2016-02-28 14:55:00  11533148958  pseudo
5  2016-02-29 12:27:00  72986744521   round
6  2016-02-29 16:32:00  72986744521   round
        idpass week    type  HoraDTRetirada
0  11533148958   09  pseudo               1
1  39579449489   07  single               2
2  72986744521   09   round               3
3  72986744521   52  pseudo               1

Answer 2

这就是我得到我想要的东西的方式：

已跳过建议答案中的第 1 步，因为时间戳已采用 pandas 日期时间形式。

第 2 步：为一年中的一周创建列：

df['week'] = df['HoraDTRetirada'].dt.strftime('%U')

第 3 步：按用户 ID、类型和周分组，并使用 size() 计数值

df.groupby(['idpass','type','week']).size()

Answer 3

我的建议是这样做：

1. 确保您的时间戳是 pandas 日期时间并添加频率列

   df['HoraDTRetirada'] = pd.to_datetime(df['HoraDTRetirada'])

   df['freq'] = 1

2. 分组计数

   res = df.groupby(['idpass', 'type', pd.Grouper(key='HoraDTRetirada', freq='1W')]).count().reset_index()

3. 将时间转换为一年中的一周

   res['HoraDTRetirada'] = res['HoraDTRetirada'].apply(lambda x: x.week)

最终结果如下：

编辑：

你是对的，在你的情况下，我们应该在第 2 步之前执行第 3 步，如果你想这样做，请记住 groupby 会改变，所以最后第 2 步将是：

res['HoraDTRetirada'] = res['HoraDTRetirada'].apply(lambda x: x.week)

第三步：

res = df.groupby(['idpass', 'type', 'HoraDTRetirada')]).count().reset_index()

这有点不同，因为“Hora”变量不再是时间，而只是一个表示一周的 int。