python - 如何在 Pandas Python 中使用电子邮件 ID 查找连续记录

Question

我有一个 DataFrame，里面有学生和他们类的日子

Email             Day
mala@gmail.com     1
vika@gmail.com     1
rupa@gmail.com     1
vika@gmail.com     2
vika@gmail.com     3
rupa@gmail.com     3

预期输出:

Email                 Streak
mala@gmail.com          1
rupa@gmail.com          1
vika@gmail.com          3

结果必须是这样的，只有那些连续类的人必须打印出来
我如何使用 Pandas 来做到这一点？

Answer 1

这是返回每个 'Email' 中最长连续连续记录长度的一种方法。 .
第一 drop_duplicates这样，同一电子邮件的重复天数不会破坏任何条纹和排序。然后为连续天数组创建标签，取天数差异不等于 1 的总和。 .最后由 'Email' 分组和这个组标签并找到最大尺寸。
为清楚起见，我在最后添加了一个额外的组，在第 5、6、7 天连续 3 次。

print(df)

Email             Day
mala@gmail.com     1
vika@gmail.com     1
rupa@gmail.com     1
vika@gmail.com     2
vika@gmail.com     3
rupa@gmail.com     3
foo@gmail.com      1
foo@gmail.com      5
foo@gmail.com      6
foo@gmail.com      7

df1 = df.drop_duplicates(['Email', 'Day']).sort_values(['Email', 'Day'])
s1 = df1.groupby('Email').Day.diff().ne(1).cumsum()

df1.groupby(['Email', s1]).size().groupby('Email').max()

Email
foo@gmail.com     3
mala@gmail.com    1
rupa@gmail.com    1
vika@gmail.com    3
dtype: int64