确定在熊猫中体验特定项目后剩余的唯一条目数答案

【问题标题】：Determining the number of unique entry's left after experiencing a specific item in pandas确定在熊猫中体验特定项目后剩余的唯一条目数
【发布时间】：2018-02-03 20:48:57
【问题描述】：

我有一个包含三列 timestamp、lecture_id 和 userid 的数据框

我正在尝试编写一个循环来计算在体验特定讲座后放弃（再也没有见过）的学生人数。目标是最终有第四列，显示在听完特定讲座后剩余的学生人数。

我在用 python 写这个时遇到了麻烦，我尝试了一个从未完成的 for 循环（我有 13m 行）。

import pandas as pd
import numpy as np


ids = list(np.random.randint(0,5,size=(100, 1)))
users = list(np.random.randint(0,10,size=(100, 1)))
dates = list(pd.date_range('20130101',periods=100, freq = 'H'))


dft = pd.DataFrame(
    {'lecture_id': ids,
     'userid': users,
     'timestamp': dates
    })

我想制作一个新的数据框，向每个参加过 x 讲座的用户显示，有多少人再也没有回来（丢弃）。

【问题讨论】：

标签： python-3.x pandas time-series

【解决方案1】：

不确定这是否是您想要的，也不确定这是否可以更简单，但这可能是一种方法：

import pandas as pd
import numpy as np

np.random.seed(42)

ids = list(np.random.randint(0,5,size=(100, 1)[0]))
users = list(np.random.randint(0,10,size=(100, 1)[0]))
dates = list(pd.date_range('20130101',periods=100, freq = 'H'))
df = pd.DataFrame({'lecture_id': ids, 'userid': users, 'timestamp': dates})

# Get the last date for each user
last_seen = df.timestamp.iloc[df.groupby('userid').timestamp.apply(lambda x: np.argmax(x))]

df['remaining'] = len(df.userid.unique())

tmp = np.zeros(len(df))
tmp[last_seen.index] = 1
df['remaining'] = (df['remaining']- tmp.cumsum()).astype(int)

df[-10:]

最后 10 个条目在哪里：

    lecture_id           timestamp  userid  remaining
90           2 2013-01-04 18:00:00       9          6
91           0 2013-01-04 19:00:00       5          6
92           2 2013-01-04 20:00:00       6          6
93           2 2013-01-04 21:00:00       3          5
94           0 2013-01-04 22:00:00       6          4
95           2 2013-01-04 23:00:00       7          4
96           4 2013-01-05 00:00:00       0          3
97           1 2013-01-05 01:00:00       5          2
98           1 2013-01-05 02:00:00       7          1
99           0 2013-01-05 03:00:00       4          0

【讨论】：