使用PADAS将带有填充零的序列号附加到序列
问题描述
我有如下所示的数据帧
df = pd.DataFrame({'person_id': [101,101,101,101,202,202,202],
'login_date':['5/7/2013 09:27:00 AM','09/08/2013 11:21:00 AM','06/06/2014 08:00:00 AM','06/06/2014 05:00:00 AM','12/11/2011 10:00:00 AM','13/10/2012 12:00:00 AM','13/12/2012 11:45:00 AM']})
df.login_date = pd.to_datetime(df.login_date)
df['logout_date'] = df.login_date + pd.Timedelta(days=5)
df['login_id'] = [1,1,1,1,8,8,8]
正如您在示例数据框中看到的那样,尽管login
和logout
日期对于个人而言不同,但login_id
是相同的。
person = 101
在4个不同的时间戳登录和注销。但他具有相同的LOGIN_ID,这是不正确的。
相反,我希望生成一个new login_id
列,其中每个人都会获得一个新的login_id,但在随后的登录中会保留1st login_id
信息。因此,我们可以知道它是一个序列
我尝试了以下方法,但效果不佳
df.groupby(['person_id','login_date','logout_date'])['login_id'].rank(method="first", ascending=True) + 100000
我希望我的输出如下所示。您可以看到1
和8
是如何在随后的login_ids
中保留每个人的第一个login_id的。我们只需添加00001
,然后根据行数加上一个序列即可。
login_ids
可能不仅仅是实际数据中的single digit
。对于ex,第一个login_id甚至可以是576869578
等类型的随机数。在这种情况下,后续登录id将为57686957800001
。希望这能帮上忙。无论该主题的第一个login_id
是什么,请根据此人的行数添加00001
、00002
等。希望这对您有帮助
解决方案
更新2:刚刚意识到我之前的答案也使第一个索引增加了100000。以下是使用GroupBy.transform()
仅将100000添加到后续索引的版本:
cumcount = df.groupby(['person_id','login_id']).login_id.cumcount()
df.login_id = df.groupby(['person_id','login_id']).login_id.transform(
lambda x: x.shift().mul(100000).fillna(x.min())
).add(cumcount)
person_id login_date logout_date login_id
# 0 101 2013-05-07 09:27:00 2013-05-12 09:27:00 1
# 1 101 2013-09-08 11:21:00 2013-09-13 11:21:00 100001
# 2 101 2014-06-06 08:00:00 2014-06-11 08:00:00 100002
# 3 101 2014-06-06 05:00:00 2014-06-11 05:00:00 100003
# 4 202 2011-12-11 10:00:00 2011-12-16 10:00:00 8
# 5 202 2012-10-13 00:00:00 2012-10-18 00:00:00 800001
# 6 202 2012-12-13 11:45:00 2012-12-18 11:45:00 800002
更新:更快的选择是使用GroupBy.cumcount()
:
cumcount = df.groupby(['person_id','login_id']).login_id.cumcount()
df.login_id = df.login_id.mul(100000).add(cumcount)
# person_id login_date logout_date login_id
# 0 101 2013-05-07 09:27:00 2013-05-12 09:27:00 100000
# 1 101 2013-09-08 11:21:00 2013-09-13 11:21:00 100001
# 2 101 2014-06-06 08:00:00 2014-06-11 08:00:00 100002
# 3 101 2014-06-06 05:00:00 2014-06-11 05:00:00 100003
# 4 202 2011-12-11 10:00:00 2011-12-16 10:00:00 800000
# 5 202 2012-10-13 00:00:00 2012-10-18 00:00:00 800001
# 6 202 2012-12-13 11:45:00 2012-12-18 11:45:00 800002
您可以在GroupBy.apply()
中构建序列:
df.login_id = df.groupby(['person_id','login_id']).login_id.apply(
lambda x: pd.Series([x.min()*100000+seq for seq in range(len(x))], x.index)
)
相关文章