- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我有一个表格,其中列出了多个客户对各种产品的订阅开始和结束日期。我希望获得客户与公司的订阅时长(无论产品如何)的一个值,但他们可以在不同时间开始和停止不同产品的订阅,并且我不想重复计算重叠产品的时间段订阅。我该如何计算这个?
示例数据框:
a = pd.DataFrame( {'index': {0: 9123, 1: 9919, 2: 191, 3: 8892, 4: 8528, 5: 8893, 6: 9124, 7: 192, 8: 8928, 9: 8602, 10: 9629}, 'user_id': {0: 163486, 1: 163486, 2: 163486, 3: 163486, 4: 163486, 5: 163486, 6: 163486, 7: 163486, 8: 545619, 9: 545619, 10: 545619}, 'prod_id': {0: 110, 1: 507, 2: 511, 3: 488, 4: 506, 5: 488, 6: 110, 7: 511, 8: 488, 9: 506, 10: 508}, 'created_at': {0: Timestamp('2016-08-13 11:38:21.706000'), 1: Timestamp('2016-08-13 11:38:21.712000'), 2: Timestamp('2016-08-13 11:38:21.719000'), 3: Timestamp('2016-08-21 15:29:02.863000'), 4: Timestamp('2016-08-21 15:29:02.877000'), 5: Timestamp('2017-01-25 00:26:24.096000'), 6: Timestamp('2017-01-25 00:27:00.205000'), 7: Timestamp('2017-01-25 00:27:00.212000'), 8: Timestamp('2016-08-10 13:55:15.608000'), 9: Timestamp('2016-08-10 13:55:15.623000'), 10: Timestamp('2016-08-10 13:55:15.636000')}, 'removed_at': {0: Timestamp('2017-01-25 00:27:00.220000'), 1: Timestamp('2017-01-25 00:27:00.231000'), 2: Timestamp('2017-01-25 00:27:00.240000'), 3: Timestamp('2017-01-25 00:26:24.108000'), 4: Timestamp('2017-01-25 00:26:24.123000'), 5: NaT, 6: NaT, 7: NaT, 8: Timestamp('2017-02-01 15:52:32.951000'), 9: Timestamp('2017-02-01 15:52:32.968000'), 10: Timestamp('2017-02-01 15:52:32.980000')}, 'length_of_sub': {0: Timedelta('164 days 12:48:38.514000'), 1: Timedelta('164 days 12:48:38.519000'), 2: Timedelta('164 days 12:48:38.521000'), 3: Timedelta('156 days 08:57:21.245000'), 4: Timedelta('156 days 08:57:21.246000'), 5: NaT, 6: NaT, 7: NaT, 8: Timedelta('175 days 01:57:17.343000'), 9: Timedelta('175 days 01:57:17.345000'), 10: Timedelta('175 days 01:57:17.344000')}} )
会产生这样的结果:
index user_id prod_id created_at \
0 9123 163486 110 2016-08-13 11:38:21.706
1 9919 163486 507 2016-08-13 11:38:21.712
2 191 163486 511 2016-08-13 11:38:21.719
3 8892 163486 488 2016-08-21 15:29:02.863
4 8528 163486 506 2016-08-21 15:29:02.877
5 8893 163486 488 2017-01-25 00:26:24.096
6 9124 163486 110 2017-01-25 00:27:00.205
7 192 163486 511 2017-01-25 00:27:00.212
8 8928 545619 488 2016-08-10 13:55:15.608
9 8602 545619 506 2016-08-10 13:55:15.623
10 9629 545619 508 2016-08-10 13:55:15.636
removed_at length_of_sub
0 2017-01-25 00:27:00.220 164 days 12:48:38.514000
1 2017-01-25 00:27:00.231 164 days 12:48:38.519000
2 2017-01-25 00:27:00.240 164 days 12:48:38.521000
3 2017-01-25 00:26:24.108 156 days 08:57:21.245000
4 2017-01-25 00:26:24.123 156 days 08:57:21.246000
5 NaT NaT
6 NaT NaT
7 NaT NaT
8 2017-02-01 15:52:32.951 175 days 01:57:17.343000
9 2017-02-01 15:52:32.968 175 days 01:57:17.345000
10 2017-02-01 15:52:32.980 175 days 01:57:17.344000
我希望输出是一个具有 user_id 索引和列 length_of_sub 的数据框,该数据框为用户 545619 获取值 175 天,为用户 163486 获取值 164 天。不过,我认为这不是一个简单的最大值,因为从技术上讲,用户可以重叠产品创建/删除的日期。我还想排除他们根本没有订阅任何内容的时期。
有人知道如何编写一个可以传递给 .apply 的函数来计算给定用户的实际 length_of sub 吗?
最佳答案
我采取的方法是将每个 created_at
和 removed_at
视为不同的事件。当我迭代一组已排序的 created_at
/removed_at
时,如果满足以下条件,我会在名为 has_sub
的变量中累积 1
:事件为 created_at
,如果为 removed_at
,则为 -1
。如果此变量大于0
,我们就有订阅。
def count_sub_time(d):
m = {'created_at': 1, 'removed_at': -1}
d = d.rename(columns=m).stack().sort_values()
has_sub = 0
start_sub = pd.NaT
count = pd.Timedelta(0)
for (_, s), t in d.iteritems():
if has_sub == 0 and s == 1:
start_sub = t
elif has_sub == 1 and s == -1:
count += t - start_sub
has_sub += s
return count
b = a.set_index('user_id')[['created_at', 'removed_at']]
b.dropna().groupby(level=0).apply(count_sub_time)
user_id
163486 164 days 12:48:38.534000
545619 175 days 01:57:17.372000
dtype: timedelta64[ns]
我/你可能可以把这个问题加强一点,但逻辑就在那里。
关于python - 给定一组可能重叠的开始和结束时间,如何计算订阅长度?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/57377636/
我正在处理一组标记为 160 个组的 173k 点。我想通过合并最接近的(到 9 或 10 个组)来减少组/集群的数量。我搜索过 sklearn 或类似的库,但没有成功。 我猜它只是通过 knn 聚类
我有一个扁平数字列表,这些数字逻辑上以 3 为一组,其中每个三元组是 (number, __ignored, flag[0 or 1]),例如: [7,56,1, 8,0,0, 2,0,0, 6,1,
我正在使用 pipenv 来管理我的包。我想编写一个 python 脚本来调用另一个使用不同虚拟环境(VE)的 python 脚本。 如何运行使用 VE1 的 python 脚本 1 并调用另一个 p
假设我有一个文件 script.py 位于 path = "foo/bar/script.py"。我正在寻找一种在 Python 中通过函数 execute_script() 从我的主要 Python
这听起来像是谜语或笑话,但实际上我还没有找到这个问题的答案。 问题到底是什么? 我想运行 2 个脚本。在第一个脚本中,我调用另一个脚本,但我希望它们继续并行,而不是在两个单独的线程中。主要是我不希望第
我有一个带有 python 2.5.5 的软件。我想发送一个命令,该命令将在 python 2.7.5 中启动一个脚本,然后继续执行该脚本。 我试过用 #!python2.7.5 和http://re
我在 python 命令行(使用 python 2.7)中,并尝试运行 Python 脚本。我的操作系统是 Windows 7。我已将我的目录设置为包含我所有脚本的文件夹,使用: os.chdir("
剧透:部分解决(见最后)。 以下是使用 Python 嵌入的代码示例: #include int main(int argc, char** argv) { Py_SetPythonHome
假设我有以下列表,对应于及时的股票价格: prices = [1, 3, 7, 10, 9, 8, 5, 3, 6, 8, 12, 9, 6, 10, 13, 8, 4, 11] 我想确定以下总体上最
所以我试图在选择某个单选按钮时更改此框架的背景。 我的框架位于一个类中,并且单选按钮的功能位于该类之外。 (这样我就可以在所有其他框架上调用它们。) 问题是每当我选择单选按钮时都会出现以下错误: co
我正在尝试将字符串与 python 中的正则表达式进行比较,如下所示, #!/usr/bin/env python3 import re str1 = "Expecting property name
考虑以下原型(prototype) Boost.Python 模块,该模块从单独的 C++ 头文件中引入类“D”。 /* file: a/b.cpp */ BOOST_PYTHON_MODULE(c)
如何编写一个程序来“识别函数调用的行号?” python 检查模块提供了定位行号的选项,但是, def di(): return inspect.currentframe().f_back.f_l
我已经使用 macports 安装了 Python 2.7,并且由于我的 $PATH 变量,这就是我输入 $ python 时得到的变量。然而,virtualenv 默认使用 Python 2.6,除
我只想问如何加快 python 上的 re.search 速度。 我有一个很长的字符串行,长度为 176861(即带有一些符号的字母数字字符),我使用此函数测试了该行以进行研究: def getExe
list1= [u'%app%%General%%Council%', u'%people%', u'%people%%Regional%%Council%%Mandate%', u'%ppp%%Ge
这个问题在这里已经有了答案: Is it Pythonic to use list comprehensions for just side effects? (7 个答案) 关闭 4 个月前。 告
我想用 Python 将两个列表组合成一个列表,方法如下: a = [1,1,1,2,2,2,3,3,3,3] b= ["Sun", "is", "bright", "June","and" ,"Ju
我正在运行带有最新 Boost 发行版 (1.55.0) 的 Mac OS X 10.8.4 (Darwin 12.4.0)。我正在按照说明 here构建包含在我的发行版中的教程 Boost-Pyth
学习 Python,我正在尝试制作一个没有任何第 3 方库的网络抓取工具,这样过程对我来说并没有简化,而且我知道我在做什么。我浏览了一些在线资源,但所有这些都让我对某些事情感到困惑。 html 看起来
我是一名优秀的程序员,十分优秀!