pandas客户表>>将边添加到节点列和增量时间

Question

我有一个数据表，我想创建一个图形。 （请参见数据示例以末尾粘贴）为此，我想创建节点和边缘。每个客户经历不同的过程状态。边连接两个状态（节点）我的目标是获得excel表屏幕快照中所示的边缘以及每次更改的增量时间。

我的代码：首先，我按客户端和时间戳对表进行了排序（即节点（状态）从t1到t2到t3 ...其中t1

estados=estados.sort_values(['CLIENT', 'timestamp'], ascending=[True, True])

现在遵循20％的pythonic代码和0％的pandonic代码：

edges_column = []
delta_column = []
for client in list_of_clients:
    client_df = estados.loc[estados['CLIENT'] == client,['node','timestamp']]
    client_nodes      = client_df['node']
    client_timestamps = client_df['timestamp']
    list_edges        = [node1 + '-' + node2 for node1,node2 in  zip(client_nodes[:-1],client_nodes[1:])]
    list_delta_times  = [t2 -t1 for t1,t2 in  zip(client_timestamps[:-1],client_timestamps[1:])]
    print(list_edges)
    print(list_delta_times)
    # adding ['-'] because if there are n nodes there are n-1 edges. the same for delta times
    edges_column = edges_column + list_edges + ['-']
    delta_column = delta_column + list_delta_times + ['-']

# adding the columns edges_column and delta_column
print(len(edges_column))
estados['edge']      = edges_column
estados['deltatime'] = delta_column

此代码有效，但远非理想。这应该是一个非常普遍的问题。我需要一个更有效的代码，因为我有50万行，并且应该在合理的时间内运行。

我正在寻找创建列边缘和时间戳的函数我不能采用这种解决方案，因为该函数是指两个不同行中的值，而不仅是ony，在这种情况下，我可以执行类似的操作

estados['edge'] = estados['node'].apply(function)

因为我必须传递两个值，而不仅仅是一个。

有没有使用for循环的方法吗？

thx。

表格为熊猫格式：

用于复制和粘贴JSON文件的注释：{“ CLIENT”：{“ 0”：“ client1”，“ 1”：“ client1”，“ 2”：“ client1”，“ 3”：“ client1”，“ 4 “：” client2“，” 5“：” client2“，” 6“：” client2“，” 7“：” client3“，” 8“：” client4“，” 9“：” client4“，” 10“： “ client4”，“ 11”：“ client4”，“ 12”：“ client4”，“ 13”：“ client4”}，“节点”：{“ 0”：“ A”，“ 1”：“ B”， “ 2”：“ C”，“ 3”：“ H”，“ 4”：“ B”，“ 5”：“ F”，“ 6”：“ G”，“ 7”：“ C”，“ 8 “：” D“，” 9“：” E“，” 10“：” F“，” 11“：” H“，” 12“：” G“，” 13“：” K“}，”时间戳“ ：{“ 0”：1590684862000，“ 1”：1590771262270，“ 2”：1590857662000，“ 3”：1590598462000，“ 4”：1590425662000，“ 5”：1590512062000，“ 6”：1590598462000，“ 7”：1590771262270， “ 8”：1588352062000，“ 9”：1588524862000，“ 10”：1588611262000，“ 11”：1588697662000，“ 12”：1588956862000，“ 13”：1589043262000}}

Answer 1

您可以在此处将df.shift与df.shift一起使用。

pd.Series.str.cat