python - pandas:根据时间序列数据中的索引查找最新值

Question

我有很多带有时间戳的客户交易数据。我从平面文件中以 block 的形式读取数据。我想知道如何有效地找到客户最近(最后)完成的交易。

示例数据:

id    login    transaction_id    transaction_date
 1    asdf                  1   13-10-2015 15:30:45
 2    fghd                  2   13-10-2015 16:30:45
 4    rteu                  3   13-10-2015 17:30:45
 2    fghd                  4   13-10-2015 18:30:45
 3    rtey                  5   13-10-2015 19:30:45
 5    lkiu                  6   13-10-2015 20:30:45

在此示例数据中，我想获取以下数据帧。此数据可能会跨文件分割。

login    transaction_count    last_transaction_id
asdf               1              1
fghd               2              4
rtey               1              5
rteu               1              3
lkiu               1              6

Answer 1

如果您想按交易日期获取最新交易:

In [43]: res = df.sort('transaction_date', ascending=False).groupby('login').agg({'transaction_id': ['size', 'first']})
In [44]: res.columns = ['transaction_count', 'last_transaction_id']
In [46]: res
Out[46]: 
       transaction_count  last_transaction_id
login                                        
asdf                   1                    1
fghd                   2                    4
lkiu                   1                    6
rteu                   1                    3
rtey                   1                    5

或者，如果您只想获取每个组的最大 id，那么更容易:

In [47]: res = df.groupby('login').agg({'transaction_id': ['size', 'max']})
In [48]: res.columns = ['transaction_count', 'last_transaction_id']
In [49]: res
Out[49]: 
       transaction_count  last_transaction_id
login                                        
asdf                   1                    1
fghd                   2                    4
lkiu                   1                    6
rteu                   1                    3
rtey                   1                    5