Python 如何在pandas中基于多个条件匹配和计数行？

我目前正在处理一个csv数据集，如下所示（请参见下面的测试df）：

这些基本上是移动设备位置记录。“标识符”唯一标识移动设备，“from_city”和“to_city”是相应的出发和到达城市。例如，对于标识符“A1”，此人于1月2日（记录编号2）离开渥太华前往伦敦，并于1月3日（记录编号5）返回。而对于标识符为A2、B1、B2、B3和B6的记录，由于没有伦敦到渥太华的记录，它们将被视为不返回

最后，我想做的是找出所有出发和返回的比赛，并计算每对从城市到城市的比赛。例如：

从渥太华到伦敦：总共100次，80次在3天内返回，10次在3天后返回，10次没有返回

我想我需要使用标识符和其他列在pandas中进行groupby。但问题是如何在标识符组中识别返回匹配

基本上，标准应该是：

• 相同标识符
• 从_市和到_市在两个记录之间颠倒
• 返回时间应晚于出发时间

另外，如何在3天内嵌入标准

提前感谢您的帮助

以下是用于测试的数据帧：

df = pd.DataFrame({
    'Identifier': ['A1', 'A2', 'A3', 'A1', 'A3', 'B1', 'C3', 'B2', 'B3', 'B6', 'C3'],
    'OS': ['iphone', 'iphone', 'iphone', 'iphone', 'iphone', 'iphone', 'iphone', 'iphone', 'iphone', 'iphone', 'iphone'],
    'from_city': ['ottawa', 'ottawa', 'ottawa', 'london', 'london', 'ottawa', 'ottawa', 'ottawa', 'ottawa', 'ottawa', 'london'],
    'to_city': ['london', 'london', 'london', 'ottawa', 'ottawa', 'london', 'london', 'london', 'london', 'london', 'ottawa'],
    'time': ['1/2/2017 21:00', '1/2/2017 20:00', '12/24/2016 13:00', '1/3/2017 21:00', '1/6/2017 0:00',
            '12/10/2016 17:00', '12/22/2016 21:00', '12/17/2016 23:00', '12/14/2016 19:00', '12/20/2016 18:00', '1/3/2017 0:00']
})

---

注：上述img第5行中的日期应为“2017年1月3日”，该日期在上述代码中固定。

如果每个标识符在您的数据集中只有一次往返，则此方法可行。另外，我将示例数据框中

time

列的第4个元素的年份更改为2017年

首先将

df['time']

转换为日期时间

duration=df.groupby（'Identifier'）['time'].apply（lambda x:max（list（x））-min（list（x））

然后在

标识符上使用groupby：

duration=df.groupby（'Identifier'）['time'].apply（lambda x:max（list（x））-min（list（x））

持续时间
现在看起来像：

A1 1天00:00:00
A2 0天00:00:00
A3 12天11:00:00
B1 0天00:00:00
B2 0天00:00:00
B3 0天00:00:00
B6 0天00:00:00
C3 11天03:00:00

现在选择大于0天但小于3天的行

duration[（duration>pd.Timedelta（days=0））&（duration
返回值：

    Identifier  OS  from_city   timestamp_leave to_city timestamp_back  duration    group
1   A2  iphone  ottawa  2017-01-02 20:00:00 london  NaT NaN NaN
2   A3  iphone  ottawa  2016-12-24 13:00:00 london  2017-01-06 00:00:00 12.0    (10, 100]
3   A1  iphone  london  2016-01-03 21:00:00 ottawa  2017-01-02 21:00:00 365.0   NaN
5   B1  iphone  ottawa  2016-12-10 17:00:00 london  NaT NaN NaN
6   C3  iphone  ottawa  2016-12-22 21:00:00 london  2017-01-03 00:00:00 11.0    (10, 100]
7   B2  iphone  ottawa  2016-12-17 23:00:00 london  NaT NaN NaN
8   B3  iphone  ottawa  2016-12-14 19:00:00 london  NaT NaN NaN
9   B6  iphone  ottawa  2016-12-20 18:00:00 london  NaT NaN NaN

我终于想出了一个办法：

def combine_cities(row):
    if row['from_city'] < row['to_city']:
        return row['from_city'] + ', ' + row['to_city']
    else:
        return row['to_city'] + ', ' + row['from_city']

df['cities'] = df.apply(combine_cities, axis=1)

def count_return(grp):
    if grp.nunique() == 1:
        return np.nan
    else:
        return 'return found'

df.groupby(['cities', 'Identifier'])['from_city'].apply(count_return).dropna()

def合并城市（世界其他地区）：
如果第['from_city']
您的回答似乎没有考虑返回因素-城市对需要反转，如果第一个记录是“渥太华伦敦”，则返回记录基本上应该是“伦敦渥太华”。这是有道理的，但您的数据集不存在这种情况。您可以更新您的描述或示例数据框吗？我补充了这一澄清：“对于标识符为A2、B1、B2、B3和B6的记录，由于没有伦敦到渥太华的记录，它们将被视为不返回。”谢谢！我在运行您的代码时出错…“TypeError:不支持的操作数类型-：'str'和'str'。您能给我一些进一步的指导吗？我认为是关于'time'列的类型。可能您的'time'类型是字符串。尝试将
df['time']=pd.添加到\u datetime（df['time']，格式='%m/%d/%Y%H:%m'））
在代码开头。谢谢！我试过这个“df['timestamp']=pd.to\u datetime（df['timestamp']）”，但仍然得到：KeyError:“time\u leave”我得到了。因为
“time\u leave”和
“time\u back”
是添加到列名
“time”
的后缀。因此生成列名
“time\u leave”和
“time\u back”
。看起来你
“time”
列的名称是
“timestamp”
，所以你的另外两个Generic列应该被称为
'timestamp\u leave'
和
'timestamp\u back'
。再次感谢！这次没有错误，但我想知道我应该如何检查最终结果？即如何计算返回的数量？
def combine_cities(row):
    if row['from_city'] < row['to_city']:
        return row['from_city'] + ', ' + row['to_city']
    else:
        return row['to_city'] + ', ' + row['from_city']

df['cities'] = df.apply(combine_cities, axis=1)

def count_return(grp):
    if grp.nunique() == 1:
        return np.nan
    else:
        return 'return found'

df.groupby(['cities', 'Identifier'])['from_city'].apply(count_return).dropna()