我在表单中有一些数据框
userid | event_time | activity
A 2017-01-01 02:20:34 E1
A 2017-01-01 02:20:50 E2
A 2017-03-01 11:23:43 E1
A 2017-03-01 11:23:55 E6
B 2017-01-01 08:24:32 E1
B 2017-01-01 08:25:25 E4
C 2017-01-01 23:19:21 E3
C 2017-01-01 23:20:04 E11
我想对每个组应用一个函数(按 userid
分组)。这计算了用户重新经历他们遇到的同一事件的次数。例如,用户 A 在 2017-03-01 11:23:43
重新体验了 E1
。
userid | activity | cnt_previous_events
A E1 0
A E2 0
A E1 1
A E6 0
我尝试了以下方法:
def previous_event_ctr(group):
events = set()
ctr = 0
for val in group:
if val in events:
ctr += 1
else:
events.add(val)
return ctr
并将以下内容应用于我的数据框列,
df.groupby('userid').activity.agg(previous_event_ctr)
但我一直收到 TypeError: 'Series' objects are mutable, thus they cannot be hashed
。我应该如何使用 groupby
将此函数应用于我的数据框。
最佳答案
看来你需要cumcount
, df
必须首先按 userid
和 event_time
排序:
df['count'] = df.sort_values(['userid','event_time'])
.groupby(['userid', 'activity']).activity.cumcount()
print (df)
userid event_time activity count
0 A 2017-01-01 02:20:34 E1 0
1 A 2017-01-01 02:20:50 E2 0
2 A 2017-03-01 11:23:43 E1 1
3 A 2017-03-01 11:23:55 E6 0
4 B 2017-01-01 08:24:32 E1 0
5 B 2017-01-01 08:25:25 E4 0
6 C 2017-01-01 23:19:21 E3 0
7 C 2017-01-01 23:20:04 E11 0
关于Python:将函数应用于groupby,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/43585791/