我有以下数据框:
data = [
("10/10/2016","A"),
("10/10/2016","B"),
("09/12/2016","B"),
("09/12/2016","A"),
("08/11/2016","A"),
("08/11/2016","C")]
#Create DataFrame base
df = pd.DataFrame(data, columns=("Time","User"))
# Convert time column to correct format for time calculations
df["Time"] = pd.to_datetime(df["Time"], '%m/%d/%Y')
每一行代表用户进行特定操作的时间。我想计算每个用户执行该特定操作的频率(以天为单位)。
假设用户 A 在 2016 年 8 月 11 日进行了第一次交易,然后他在 2016 年 9 月 12 日(即大约 30 天后)再次进行了交易。然后,他在 2016 年 10 月 10 日再次交易,距离他第二次交易约 29 天。因此,他以天为单位的平均频率为 (29+30)/2。
最有效的方法是什么?
提前致谢!
- 更新
我编写了以下函数来计算我想要的输出。
from datetime import timedelta
def averagetime(a):
numdeltas = len(a) - 1
sumdeltas = 0
i = 1
while i < len(a):
delta = abs((a[i] - a[i-1]).days)
sumdeltas += delta
i += 1
if numdeltas > 1:
avg = sumdeltas / numdeltas
else:
avg = 'NaN'
return avg
它工作正常,例如,当我传递整个“时间”列时:
averagetime(df["Time"])
但是当我尝试在 group by 之后应用它时,它给了我一个错误。
df.groupby('User')['Time'].apply(averagetime)
有什么建议可以解决上述问题吗?
请您参考如下方法:
您可以使用 diff , 通过 np.timedelta64(1,'D') 转换为 float和abs计数 sum :
print (averagetime(df["Time"]))
12.0
su = ((df["Time"].diff() / np.timedelta64(1,'D')).abs().sum())
print (su / (len(df) - 1))
12.0
然后我将它应用于groupby,但是有必要条件,因为:
ZeroDivisionError: float division by zero
print (df.groupby('User')['Time']
.apply(lambda x: np.nan if len(x) == 1
else (x.diff()/np.timedelta64(1,'D')).abs().sum()/(len(x)-1)))
User
A 30.0
B 28.0
C NaN
Name: Time, dtype: float64
