问题:我有一个数据框记录了一段时间内客户的状态。对于每个客户(组),我想根据他们在那个时期的状态将时间间隔分为“开始”和“完成”。
例如,我有这个数据框:
df = pd.DataFrame({'Group': ['group1', 'group1', 'group1', 'group1', 'group1', 'group1', 'group1', 'group1',
'group2', 'group2', 'group2', 'group2', 'group2', 'group2', 'group2', 'group2', 'group3'],
'Month': ['2019-05', '2019-06', '2019-07', '2019-08', '2019-09', '2019-10', '2019-11', '2019-12',
'2019-04', '2019-05', '2019-06', '2019-07', '2019-08', '2019-09', '2019-10', '2019-11', '2019-12'],
'Status': ['Passive', 'Passive', 'Passive', 'Active', 'Active', 'Active', 'Passive', 'Passive',
'Active', 'Active', 'Passive', 'Passive', 'Passive', 'Active', 'Active', 'Active', 'Active']})
我想将其转移到此结构中:
df_new = pd.DataFrame({'Group': ['group1', 'group1', 'group1', 'group2', 'group2', 'group2', 'group3'],
'From': ['2019-05', '2019-08', '2019-11', '2019-04', '2019-06', '2019-09', '2019-12'],
'To': ['2019-07', '2019-10', '2019-12', '2019-05', '2019-08', '2019-11', '2019-12'],
'Status': ['Passive', 'Active', 'Passive', 'Active', 'Passive', 'Active', 'Active']})
没有“ Status”变量,使用groupby和aggfunc在每个组中查找“最小”和“最大”周期将非常简单。但是,我不知道如何考虑“状态”变量。问题是这里的状态间隔不是连续的,因此,如果我按“状态”分组,则我将始终只有两个状态组(主动和被动),并且间隔是混合的。
我正在考虑将数据帧分为2个数据帧:一个状态为“活动”,另一个状态为“被动”;分别处理这两个问题,然后再次合并在一起。但是这种方法似乎效率不高:(而且,由于一个客户可以多次主动和被动,因此在每个状态组中划分时间间隔非常棘手。
希望有人在这里有更好的解决方案?在先进的感谢:)
groupby
和连续的groupby
的帮助器系列使用Group
。使用命名的聚合,将Status
,min
用作“从”和“至”,将max
用作“状态”:
last
[out]
s = df['Status'].ne(df['Status'].shift()).cumsum()
df_new = (df.groupby(['Group', s])
.agg(From=('Month', 'min'),
To=('Month', 'max'),
Status=('Status', 'last'))
.reset_index(level=0))