python - pandas - 如何过滤 "most frequent"日期时间对象

Question

我正在使用如下所示的 DataFrame:

User_ID    Datetime
01    2014-01-01 08:00:00
01    2014-01-02 09:00:00
02    2014-01-02 10:00:00
02    2014-01-03 11:00:00
03    2014-01-04 12:00:00
04    2014-01-04 13:00:00
05    2014-01-02 14:00:00

我想根据日期时间列在某些条件下过滤用户，例如仅过滤每月出现一次的用户，或仅过滤仅在夏季出现的用户等。

到目前为止，我已将 df 分组为:

g = df.groupby(['User_ID','Datetime']).size()

获取每个用户的时间“痕迹”:

User_ID    Datetime
01    2014-01-01 08:00:00
      2014-01-02 09:00:00
02    2014-01-02 10:00:00
      2014-01-03 11:00:00
03    2014-01-04 12:00:00
04    2014-01-04 13:00:00
05    2014-01-02 14:00:00

然后我应用了一个掩码来过滤，例如，具有多个跟踪的用户:

mask = df.groupby('User_ID')['Datetime'].apply(lambda g: len(g)>1)
df = df[df['User_ID'].isin(mask[mask].index)]

所以这很好。我正在寻找一个函数而不是 lambda g: len(g)>1正如我之前所说，能够过滤不同条件下的用户。特别是过滤每月出现一次的用户。

Answer 1

只要您的“日期时间”数据类型已经是日期时间并且您正在运行 pandas 版本 0.15.0 或更高版本，那么除了用户 ID 之外，您还可以按月份进行分组，然后通过检查组的长度来过滤结果:

In [29]:

df.groupby(['User_ID',df['Datetime'].dt.month]).filter(lambda x: len(x) > 1)
Out[29]:
   User_ID            Datetime
0        1 2014-01-01 08:00:00
1        1 2014-01-02 09:00:00
2        2 2014-01-02 10:00:00
3        2 2014-01-03 11:00:00