我的数据集包含以下字段:
User Product Time
A 10 10-JAN
B 14 10-JAN
C 20 10-JAN
A 12 10-JAN
B 12 11-JAN
A 10 12-JAN
D 08 12-JAN
A 13 12-JAN
B 14 13-JAN
C 20 13-JAN
A 12 14-JAN
C 21 14-JAN
A 10 15-JAN
等等
我想拉出并显示之前购买过类似产品的用户,并附上购买时间戳。所以像这样:
ProductBought User Time count
10 A 10-JAN 3
10 A 12-JAN 3
10 A 15-JAN 3
12 A 10-JAN 2
12 A 14-JAN 2
14 B 10-JAN 2
14 B 13-JAN 2
20 C 10-JAN 2
20 C 13-JAN 2
等等。
我尝试使用这样的shift函数
df.sort_values(by=['User','Time'],ascending=True)
df[(df.User==df.User.shift())&(df.productBought==df.productBought.shift()]
但是我没有得到所有结果。例如,仅捕获具有相同产品的连续结果。在我们的例子中,因为在用户A再次买入10之前,它买了12,所以它没有捕获它。此外,如果同一用户的两个连续记录具有相同的产品,则显示最新的记录,如
DF == df.shift()
仅显示最后遇到的记录,而不是所有具有相同产品的记录。有什么方法可以实现我上面显示的内容吗?
您可以使用duplicated来获取具有重复产品 - 用户对的行,即用户之前购买过该产品。
df2 = df[df.duplicated(['Product', 'User'], keep=False)]
然后,你可以做排序等...
要了解产品的购买次数,您可以使用
df2.groupby(['Product', 'User']).count()