Einführung

Dieses Mal bedeutet das Wort "Ereignisdaten" Daten wie ** (Zeit, Ereignisname (, Benutzer) (, Menge)) **. Wenn Sie versuchen, ein Benutzervorhersagemodell zu erstellen, möchten Sie diese Ereignisdaten möglicherweise so formatieren, dass sie "ein Benutzer, eine Zeile" sind.

Notieren Sie sich, wie Pandas mit diesem Bereich umgehen.

Methode

Betrachten Sie zunächst die folgenden Ereignisdaten als Beispiel.

import pandas as pd

data = [
    ['user1', '2015-7-1 10:00:00', 'login'],
    ['user1', '2015-7-1 10:00:10', 'item'],
    ['user1', '2015-7-1 10:00:30', 'item'],
    ['user2', '2015-7-1 10:01:00', 'top'],
    ['user1', '2015-7-1 10:01:30', 'cart'],
    ['user2', '2015-7-1 10:01:50', 'login'],
    ['user2', '2015-7-1 10:02:30', 'logout'],

    ['user1', '2015-7-2 13:00:00', 'login'],
    ['user1', '2015-7-2 13:01:00', 'logout'],
    ['user3', '2015-7-2 13:01:00', 'top'],
    ['user2', '2015-7-2 13:01:50', 'login'],
    ['user2', '2015-7-2 13:02:30', 'item'],
    ['user2', '2015-7-2 13:03:30', 'cart'],
    ['user2', '2015-7-2 13:03:30', 'history'],
]
df = pd.DataFrame(data)
df.columns = ['user_id', 'time', 'event']
df['time'] = pd.to_datetime(df['time'])
df['dummy'] = 1
df

	user_id	time	event	dummy
0	user1	2015-07-01 10:00:00	login	1
1	user1	2015-07-01 10:00:10	item	1
2	user1	2015-07-01 10:00:30	item	1
3	user2	2015-07-01 10:01:00	top	1
4	user1	2015-07-01 10:01:30	cart	1
5	user2	2015-07-01 10:01:50	login	1
6	user2	2015-07-01 10:02:30	logout	1
7	user1	2015-07-02 13:00:00	login	1
8	user1	2015-07-02 13:01:00	logout	1
9	user3	2015-07-02 13:01:00	top	1
10	user2	2015-07-02 13:01:50	login	1
11	user2	2015-07-02 13:02:30	item	1
12	user2	2015-07-02 13:03:30	cart	1
13	user2	2015-07-02 13:03:30	history	1

Angenommen, Sie möchten diese Daten als "1 Benutzer, 1 Zeile" und "die Gesamtzahl der Vorkommen für jedes tägliche Ereignis" als Spalte formatieren.

pivot_table und Grouper

Sie können die DataFrame-Klasse pivot_table () verwenden, um etwas Ähnliches wie eine Excel-Pivot-Tabelle zu tun. Ich möchte nach Tag aggregieren, aber wenn Sie Grouper () verwenden, können Sie die Spalten vom Typ datetime gut gruppieren. Wie praktisch ...

res2 = df.pivot_table(index=['user_id', pd.Grouper(freq='d', key='time')], columns='event', values='dummy', aggfunc=len)
res2

	event	cart	history	item	login	logout	top
user_id	time
user1	2015-07-01	1	NaN	2	1	NaN	NaN
user1	2015-07-02	NaN	NaN	NaN	1	1	NaN
user2	2015-07-01	NaN	NaN	NaN	1	1	1
user2	2015-07-02	1	1	1	1	NaN	NaN
user3	2015-07-02	NaN	NaN	NaN	NaN	NaN	1

Da Groupers "freq =" d "ist, wird es täglich aggregiert. Wenn Sie freq = 'M' setzen, wird es monatlich sein.

Bringen Sie das Datum in die Spalte

Es ist gut, unstack () zu verwenden.

res3 = res2.unstack()
res3

event	cart		history		item		login		logout		top
time	2015-07-01	2015-07-02	2015-07-01	2015-07-02	2015-07-01	2015-07-02	2015-07-01	2015-07-02	2015-07-01	2015-07-02	2015-07-01	2015-07-02
user_id
user1	1	NaN	NaN	NaN	2	NaN	1	1	NaN	1	NaN	NaN
user2	NaN	1	NaN	1	NaN	1	1	1	1	NaN	1	NaN
user3	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	1

Ich möchte das Datum ansprechen

Verwenden Sie swaplevel (Index1, den Sie ersetzen möchten). Außerdem möchte ich die Spalte (Achsnummer 1) bearbeiten, also füge "Achse = 1" hinzu.

res4 = res3.swaplevel(0, 1, axis=1)
res4

time	2015-07-01	2015-07-02	2015-07-01	2015-07-02	2015-07-01	2015-07-02	2015-07-01	2015-07-02	2015-07-01	2015-07-02	2015-07-01	2015-07-02
event	cart	cart	history	history	item	item	login	login	logout	logout	top	top
user_id
user1	1	NaN	NaN	NaN	2	NaN	1	1	NaN	1	NaN	NaN
user2	NaN	1	NaN	1	NaN	1	1	1	1	NaN	1	NaN
user3	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	1

Ich möchte, dass die Spalten in chronologischer Reihenfolge angeordnet sind

Verwenden Sie sortlevel ().

res4.sortlevel(0, axis=1)

time	2015-07-01						2015-07-02
event	cart	history	item	login	logout	top	cart	history	item	login	logout	top
user_id
user1	1	NaN	2	1	NaN	NaN	NaN	NaN	NaN	1	1	NaN
user2	NaN	NaN	NaN	1	1	1	1	1	1	1	NaN	NaN
user3	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	1

Jetzt können Sie es in die gewünschte Form bringen.

schließlich

Es wird eine Spalte mit "Anzahl der Ereignistypen x Anzahl der Daten" angezeigt. Wenn also zu viele vorhanden sind, kann diese nicht verwendet werden. Ich denke, dass es verwendet werden kann, wenn die Anzahl der Ereignistypen nicht groß ist oder wenn es monatlich aggregiert wird.

Wie auch immer, Pandas sind praktisch

[PYTHON] Aggregieren Sie Ereignisdaten mithilfe von Pandas in einem einzeiligen Ein-Benutzer-Format