Python删除第一个视图和第一次点击之间的所有行？

Question

所以我一直在尝试失败并希望得到一些帮助。我想做的是

• 按用户分组并按时间戳排序（这是下面数据框的设置方式）
• 现在我想在第一次点击之前获取每个视图，并将其分组为具有最早时间戳的单个事件
  • 或者，删除第一次查看和第一次点击之间的所有内容
• 如果他们没有点击，只有视图，则所有行都应该平铺成一行

在某些情况下，我们正在收集数据，但由于观看次数计算方式出现错误，每个新会话都会在会话开始时创建大量额外观看次数。

因此，出于这个原因，我们希望在点击之前删除所有视图，除了第一个视图。如果特定用户没有点击，那么唯一剩下的应该是第一个视图。不过，在第一次点击之后，视图就被正确收集了，所以我们想保留这些。

所以如果输入如下（使用整数作为时间戳更容易）

将熊猫导入为 pd

in = {'id': [123, 123, 123, 123, 234, 234,234, 234, 234, 234, 456, 456, 456],
         'activity': ['view','view','click','click','view','view','view','click', 'view', 'click', 'view', 'view', 'view'] ,
         'timestamp': [1, 2,3,4,1,2,3,4,5,6,1,2,3]}

pd.DataFrame(in)

输出应该是

out = {'id': [123,  123, 123, 234, 234, 234, 234, 456],
     'activity': ['view','click','click','view','click','view', 'click', 'view'] ,
     'timestamp': [1, 3,4,1,4,5,6,1,]}

pd.DataFrame(out)

如果有人有任何想法如何解决这个问题，将不胜感激！

Answer 1

按照以下步骤进行

s1=df.activity.eq('view').groupby(df['id']).transform('idxmax') 
# using idxmax find the first view
s2=df.activity.eq('click').groupby(df['id']).transform('idxmax') 
# same logic here find the index of first click 
out=df.loc[(df.index<=s1)|(df.index>=s2)].copy() 
# filter the original df by bool get from above

---

这里我们对唯一有视图的 id 进行调整

adjustonlyview=out.activity.eq('view').groupby(df['id']).transform('all') 
# find those id out 
idx_to_drop=out[adjustonlyview].duplicated('id') 
# using duplicate find the the row we do not want to keep 
idx_to_drop=idx_to_drop[idx_to_drop].index 
# get the index of the row we need to drop 
out.drop(idx_to_drop,axis=0,inplace=True) # drop it 
Out[286]: 
     id activity  timestamp
0   123     view          1
2   123    click          3
3   123    click          4
4   234     view          1
7   234    click          4
8   234     view          5
9   234    click          6
10  456     view          1