python - 状态变化时记录差异 - Pandas

Question

我有带有 ID、时间戳和状态的客户记录。

ID, TS, STATUS
1 10 GOOD
1 20 GOOD
1 25 BAD
1 30 BAD
1 50 BAD
1 600 GOOD
2 40 GOOD
.. ... 

我正在尝试计算每个客户在连续 BAD 状态(假设上面的顺序是正确的)中花费的时间。因此，对于客户 id=1，30-25,50-30,600-50 总共 575 秒处于 BAD 状态。

在Pandas中这样做的方法是什么？如果我在 TS 上计算 .diff() ，那会给我带来差异，但我如何将 1) 与客户联系起来 2) 该客户的某些状态“ block ”？

示例数据:

df = pandas.DataFrame({'ID':[1,1,1,1,1,1,2],
                       'TS':[10,20,25,30,50,600,40],
                       'Status':['G','G','B','B','B','G','G']
                       },
                      columns=['ID','TS','Status'])

谢谢，

Answer 1

In [1]: df = DataFrame({'ID':[1,1,1,1,1,2,2],'TS':[10,20,25,30,50,10,40],'Stat
us':['G','G','B','B','B','B','B']}, columns=['ID','TS','Status'])

In [2]: f = lambda x: x.diff().sum()

In [3]: df['diff'] = df[df.Status=='B'].groupby('ID')['TS'].transform(f)

In [4]: df
Out[4]:
   ID  TS Status  diff
0   1  10      G   NaN
1   1  20      G   NaN
2   1  25      B    25
3   1  30      B    25
4   1  50      B    25
5   2  10      B    30
6   2  40      B    30

解释:将 dataframe 子集为仅具有所需状态的那些记录。 Groupby ID 并将 lambda 函数 diff().sum() 应用于每个组。使用 transform 而不是 apply 因为 transform 返回一个索引系列，您可以使用它分配给新列“diff”。

编辑:对扩大问题范围的账户的新回应。

In [1]: df
Out[1]:
   ID   TS Status
0   1   10      G
1   1   20      G
2   1   25      B
3   1   30      B
4   1   50      B
5   1  600      G
6   2   40      G

In [2]: df['shift'] = -df['TS'].diff(-1)

In [3]: df['diff'] = df[df.Status=='B'].groupby('ID')['shift'].transform('sum')
In [4]: df
Out[4]:
   ID   TS Status  shift  diff
0   1   10      G     10   NaN
1   1   20      G      5   NaN
2   1   25      B      5   575
3   1   30      B     20   575
4   1   50      B    550   575
5   1  600      G   -560   NaN
6   2   40      G    NaN   NaN