我的数据集有以下字段:
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
我只想拉出并显示那些以前购买过类似产品的用户,以及购买时间戳。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。
我试过像这样使用shift函数
df.sort_values(by=['User','Time'],ascending=True)
df[(df.User==df.User.shift())&(df.productBought==df.productBought.shift()]
但我并没有得到所有的结果。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 再次购买 10 之前,它购买了 12,所以它没有捕捉到。 另外,如果同一用户有两次连续记录相同的产品,则显示最新的一条,如
df==df.shift()
只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上面显示的内容吗?
最佳答案
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,您可以进行排序等...
要了解产品被购买了多少次,您可以使用
df2.groupby(['Product', 'User']).count()
关于python - 查找并打印子元素具有相似值的所有行,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/55069814/