python - 捕获行直到第一次响应 python 中的事件

Question

我有捕获时间、目标和响应(用户是否打开链接)的电子邮件事件数据。响应 1 表示用户已打开内容。

示例数据:

senddate    userid  content  response
2016-06-01  100     50505   NaN
2016-06-01  100     50505   NaN
2016-06-01  100     50505   1
2016-06-01  100     50505   1
2016-06-02  100     50505   NaN
2016-06-02  100     50505   1
2016-06-02  100     50505   1

现在我只想保留行直到第一次响应。我想丢弃在第一个响应之后出现的任何行，并且我想为多个发送日期执行此操作。

输出数据集:

    senddate    userid  content  response
    2016-06-01  100     50505   NaN
    2016-06-01  100     50505   NaN
    2016-06-01  100     50505   1
    2016-06-02  100     50505   NaN
    2016-06-02  100     50505   1

如果有人可以帮助构建逻辑，我们将不胜感激。

Answer 1

您可以使用 pandas实现这一目标:

如果您在 'senddate' 列上 groupby 我们可以生成一个 bool 掩码，将索引与 first_valid_index 进行比较，这将创建一个多索引，其中第一级是日期，第二层是有效的索引值，然后我们使用 get_level_values 检索这些值，并使用 loc 检索这些值:

In [17]:
import pandas as pd
df = pd.read_csv(your_file_path)
df.loc[df.groupby('senddate')['response'].apply(lambda x: x[x.index <= x.first_valid_index()]).index.get_level_values(1)]

Out[17]:
    senddate  userid  content  response
0 2016-06-01     100    50505       NaN
1 2016-06-01     100    50505       NaN
2 2016-06-01     100    50505       1.0
4 2016-06-02     100    50505       NaN
5 2016-06-02     100    50505       1.0

以上分解:

In [18]:
df.groupby('senddate')['response'].apply(lambda x: x[x.index <= x.first_valid_index()])

Out[18]:
senddate     
2016-06-01  0    NaN
            1    NaN
            2    1.0
2016-06-02  4    NaN
            5    1.0
Name: response, dtype: float64

In [19]:
df.groupby('senddate')['response'].apply(lambda x: x[x.index <= x.first_valid_index()]).index.get_level_values(1)

Out[19]:
Int64Index([0, 1, 2, 4, 5], dtype='int64')