如何遍历数组熊猫数组并检查项目的第一次和最后一次出现

Question

我有一个这样的数组：

    year    week    app_id  period
0   2015    22  [g8m4lecv, uyhsx6lo, u9ue1zzo, kw06m3f5, wvqhq...   2015-22
1   2015    23  [608a223c57e1174fc64775dd2fd8cda387cc4a47, ze4...   2015-23
2   2015    24  [kz8udlea, zwqo7j8w, 6d02c9d74b662369dc6c53ccc...   2015-24
3   2015    25  [fgs0qhtf, awkcmpns, e0iraf3a, oht91x5j, mv4uo...   2015-25
4   2015    26  [zwqo7j8w, dzdfiof5, phwoy1ea, e7hfx7mu, 40fdd...   2015-26

还有一个唯一 ID 的 DataFrame：

unique_app_ids
0   g8m4lecv
1   uyhsx6lo
2   u9ue1zzo
3   kw06m3f5
4   wvqhq7d7
5   fucjx9ar
6   ede963a7c7b854938c1196bb83dc3a0924951055
7   ze4rr0vi

我想要做的是，对于 unique_app_ids 中的每个 app_id：

1. 在数组数组中根据周期查找它的第一次出现。
2. 如果发生，跟踪开始日期并将每周使用量增加一
3. 进入下一个周期，如果app_id还在，则加一
4. 如果应用 ID 不存在，则停止递增。

然后我想在 weekly usage 的唯一 ids 列中有一个列。

这是我目前所处的位置：

startperiod = True;
stopped = True;
usage = 0

weeklyadoption= adopters['app_id'].values;

def retention_rate(row):
    for app_id in retention['unique_app_ids']:
        for week in range(len(weeklyadoption)):
            if weeklyadoption[week].isin(app_id):
                stopped = False;
                usage+=1
            else:
                stopped = True;
                return usage

retention['weekly_retention']=retention.apply(retention_rate, axis=1)

其中retention 是唯一ID 的数据框，adopters 是数组数组。但是，我没有测试代码，因为我无法思考：

1. 代码当前正在经历每个时期，即使一个时期没有任何内容，它也会爆发。但是，假设第一次使用是向下 4 行，我只想循环开始，然后从它开始的时间段开始递增和突破。
2. 如何检查 app_id 不仅在当前行中，而且在自开始使用期以来在该行之前的所有其他行中。

编辑

即使是当前代码也没有循环。我明白了：

AttributeError: ("'numpy.ndarray' object has no attribute 'isin'", u'occurred at index 0')

请注意，weeklyadoption 打印出来时是这样的：

[([array],[array]....)]

Answer 1

您正在尝试做的事情有几个问题：

1. 循环中有return 语句，这就是它退出循环的原因。

2. 不清楚为什么将二维数据存储在数组中，而将一维数据存储在 DataFrame 中。相反的对我来说更有意义。

这是我基于这些建议的实施的解决方案：

weekly_usage = {}
df['app_id_str'] = df['app_id'].apply(lambda x: ('|').join(x))
for app_id in unique_app_ids:
    temp = df[df['app_id_str'].str.contains(app_id)].sort('period')
    # at this point, if it's continuous, you can just take the length
    # start, end = temp['period'].min(), temp['period'].max() 
    duration = len(temp) #or you can use timedelta if you want a time difference
    weekly_usage[app_id] = duration

这样您就有了一本包含 unique_id 及其持续时间的字典，您可以随意显示它们。