python - 如何对重复模式进行分类？

Question

在我的 Dataframe 中，我有一个字段显示加类订购的产品的状态。这可以是“新建”、“已取消”、“已填充”或“部分”。我总结了记录的每个订单(Orderid)的模式，并对可能出现的不同模式进行了统计。然而，这导致了超过 1385 种不同的模式。我现在想将这些模式压缩到箱子中，例如，如果订单状态是:新的、新的、取消的、新的、填充的将被压缩为:新的、取消的、新的、填充的。

这将被放入与以下模式相同的容器中:新的、新的、新的、已取消的、已取消的、新的、新的、已填充的。

这是原始数据的样子:

按每个 OrderID 分组后:

为了查看数据中存在的 OrderStatus 模式，应用了以下代码:

def status_transition_with_timestamp(each_grouped_df):
    sorted_df = each_grouped_df.sort_values('timestamp', ascending=True)
    concatenated_transition = ','.join(sorted_df['ostatus'])
    return concatenated_transition

result = df_grouped['ostatus'].agg(status_transition_with_timestamp)

result.groupby('ostatus').count()

结果:Output of counts

Answer 1

要删除连续的重复项，请使用 itertools.groupby :

from itertools import groupby
df['ostatus'] = df['ostatus'].apply(lambda x: ','.join([x for x, _ in groupby(x.split(','))]))

然后您将拥有独特的序列，您可以执行聚合。

例子:

df = pd.DataFrame({'Status': ['New,New,Cancelled', 'New,Cancelled', 'Cancelled,New,Cancelled,New']})
df
#                        Status
#0            New,New,Cancelled
#1                New,Cancelled
#2  Cancelled,New,Cancelled,New

df['Status'] = df['Status'].apply(lambda x: ','.join([x for x, _ in groupby(x.split(','))]))
df
#                        Status
#0                New,Cancelled
#1                New,Cancelled
#2  Cancelled,New,Cancelled,New