python - 将月份间隔除以其他列中的值

Question

问题:我有一个数据框记录一段时间内客户的状态。对于每个客户(组)，我想根据他们在该时段内的状态将时间间隔分为“开始”和“完成”。

例如，我有这个数据框:

df = pd.DataFrame({'Group': ['group1', 'group1', 'group1', 'group1', 'group1', 'group1', 'group1', 'group1',
                    'group2', 'group2', 'group2', 'group2', 'group2', 'group2', 'group2', 'group2', 'group3'],
               'Month': ['2019-05', '2019-06', '2019-07', '2019-08', '2019-09', '2019-10', '2019-11', '2019-12',
                    '2019-04', '2019-05', '2019-06', '2019-07', '2019-08', '2019-09', '2019-10', '2019-11', '2019-12'],
               'Status': ['Passive', 'Passive', 'Passive', 'Active', 'Active', 'Active', 'Passive', 'Passive',
                    'Active', 'Active', 'Passive', 'Passive', 'Passive', 'Active', 'Active', 'Active', 'Active']})

我想将其转移到这个结构中:

df_new = pd.DataFrame({'Group': ['group1', 'group1', 'group1', 'group2', 'group2', 'group2', 'group3'],
                   'From': ['2019-05', '2019-08', '2019-11', '2019-04', '2019-06', '2019-09', '2019-12'],
                   'To': ['2019-07', '2019-10', '2019-12', '2019-05', '2019-08', '2019-11', '2019-12'],
                   'Status': ['Passive', 'Active', 'Passive', 'Active', 'Passive', 'Active', 'Active']})

如果没有“状态”变量，使用 groupby 和 aggfunc 查找每个组中的“最小”和“最大”周期将非常简单。但是，我不知道如何考虑“状态”变量。问题是这里的状态间隔不是连续的，所以如果我按“状态”分组，我总是只有 2 组状态(主动和被动)，并且间隔是混合的。

我正在考虑将数据帧分为2个数据帧:一个状态为“主动”，一个状态为“被动”；分别对这两者进行处理，然后再次合并在一起。但这种方法似乎并不那么有效:(并且由于一个客户可以多次主动和被动，因此在每个状态组内划分间隔是相当棘手的。

有没有更好的解决办法？

Answer 1

使用groupby由Group和一系列连续的Status帮助器组成。使用 pandas v 0.25.0+ 您可以使用 named aggregations ，min、max 代表“From”和“to”，last 代表“Status”:

s = df['Status'].ne(df['Status'].shift()).cumsum()

df_new = (df.groupby(['Group', s])
          .agg(From=('Month', 'min'),
               To=('Month', 'max'),
               Status=('Status', 'last'))
           .reset_index(level=0))

[输出]

         Group     From       To   Status
Status                                   
1       group1  2019-05  2019-07  Passive
2       group1  2019-08  2019-10   Active
3       group1  2019-11  2019-12  Passive
4       group2  2019-04  2019-05   Active
5       group2  2019-06  2019-08  Passive
6       group2  2019-09  2019-11   Active
6       group3  2019-12  2019-12   Active

<小时/>

正如 @nhupn 指出的，如果使用旧版本的 pandas，可以通过以下方式完成聚合:

df_new = (df.groupby(['Group', s])
          .agg({'Month': [('From', 'min'),
                          ('To', 'max')],
                'Status': [('Status', 'last')]})
          .reset_index(level=0))