我有以下数据集:
d = {'player': ['1', '1', '1', '1', '1', '1', '1', '1', '1', '2', '2',
'2', '2', '2', '2', '3', '3', '3', '3', '3'],
'session': ['a', 'a', 'b', np.nan, 'b', 'c', 'c', 'c', 'c', 'd', 'd',
'e', 'e', np.nan, 'e', 'f', 'f', 'g', np.nan, 'g'],
'date': ['2018-01-01 00:19:05', '2018-01-01 00:21:07',
'2018-01-01 00:22:07', '2018-01-01 00:22:15','2018-01-01 00:25:09',
'2018-01-01 00:25:11', '2018-01-01 00:27:28', '2018-01-01 00:29:29',
'2018-01-01 00:30:35', '2018-01-01 00:21:16', '2018-01-01 00:35:22',
'2018-01-01 00:38:16', '2018-01-01 00:38:20', '2018-01-01 00:40:35',
'2018-01-01 01:31:16', '2018-01-03 00:55:22', '2018-01-03 00:58:16',
'2018-01-03 00:58:21', '2018-03-01 01:00:35', '2018-03-01 01:31:16']
}
#create dataframe
df = pd.DataFrame(data=d)
#change date to datetime
df['date'] = pd.to_datetime(df['date'])
df.head()
player session date
0 1 a 2018-01-01 00:19:05
1 1 a 2018-01-01 00:21:07
2 1 b 2018-01-01 00:22:07
3 1 NaN 2018-01-01 00:22:15
4 1 b 2018-01-01 00:25:09
所以,这是我的三栏:
-
'player'- 三个玩家 (1,2,3) - dtype = object
-
'会议'(目的)。每个会话 ID 将玩家在线实施的一组操作(即数据集中的行)组合在一起。
-
'date'(日期时间对象)告诉我们每个操作的实施时间。
此数据集中的问题是我有每个操作的时间戳,但某些操作缺少其会话 ID。我想要做的是:对于每个玩家,我想根据时间线为缺失值提供一个 id 标签。如果缺少 ID 的操作属于某个会话的时间范围(第一个操作 - 最后一个操作),则可以对它们进行标记。
假设我按玩家和 ID 进行分组,并计算每个会话的时间范围:
my_agg = df.groupby(['player', 'session']).date.agg([min, max])
my_agg
min max
player session
1 a 2018-01-01 00:19:05 2018-01-01 00:21:07
b 2018-01-01 00:22:07 2018-01-01 00:25:09
c 2018-01-01 00:25:11 2018-01-01 00:30:35
2 d 2018-01-01 00:21:16 2018-01-01 00:35:22
e 2018-01-01 00:38:16 2018-01-01 01:31:16
3 f 2018-01-03 00:55:22 2018-01-03 00:58:16
g 2018-01-03 00:58:21 2018-03-01 01:31:16
此时,我想遍历每个玩家,并逐个会话比较我的 nan 值的时间戳,以查看它们所属的位置。
所需输出:在示例中,第一个 Nan 应标记为'b',第二个为'e'最后一个为'g'.
免责声明: 前几天我也问过类似的问题(看这里) https://stackoverflow.com/questions/51984239/pandas-fill-missing-values-of-a-column-based-on-the-datetime-values-of-another-c,并得到了一个非常好的答案,但是这次我必须考虑另一个变量,我再次陷入困境。事实上,Python 的第一步是令人兴奋的,但也非常具有挑战性。