Python 熊猫从多行创建链接对

我有一个df，

id

作为流id，

dttm

作为

step

修改时间，

step

作为流中的步骤。目前由

dttm

订购。对于特定的

id

，可以有任意数量的步骤

当前df：

    id      dttm                  step
0   81      2015-05-26 07:56:03   A
1   81      2015-05-26 08:19:07   B
2   81      2015-05-26 08:32:05   C
3   91      2015-05-26 08:07:12   B
4   91      2015-05-26 08:07:12   C

我想创建链接数据以输入到Sankey。因此，我最终希望df包含三列：

source

、

target

和

value

value

是具有这样一个步骤对的

id

s的计数

所需df：

    source   target   value
0   A        B        1
1   B        C        2

我知道我可以使用

groupby

或

cat

将

step

塞入一行。然而，我认为这只会创造一个不同的起点，而不会真正提出一个解决方案。困难的部分原因在于，这些步骤依赖于

dttm

保持有序，以便正确地配对这些步骤。此外，它必须是动态的，因为可能有任意数量的步骤，这增加了难度

我应该如何动态地“填充”

步骤

列以获得链接数据

有没有一种方法可以将df连接到自身以获得所有对，然后删除在连接过程中创建的但毫无意义的行

感谢您的所有见解

让我们试试：

(df.groupby('id')['step'].apply(lambda x: pd.DataFrame(list(zip(x, x[1:]))).set_index([0,1]).assign(count=1))
   .rename_axis(['id','source','target'])
   .sum(level=[1,2]).reset_index())

输出：

  source target  count
0      A      B      1
1      B      C      2

---

我想出了一个解决办法。这不是像Scott那样一步到位的解决方案，但我认为它更容易理解。此外，它运行速度要快得多：

为每组

id

添加一个序列。然后复制df以允许自合并：

df['sequence'] = df.groupby('id').cumcount()
df2 = df

合并

id

上的数据帧，然后仅保留根据顺序有意义的行：

result = df.merge(df2, on='eoawthread_id', how='left')
result = result[result['sequence_x']+1==result['sequence_y']]

将生成的df按步长对分组，并使用

大小

获得

值

。然后重置索引并重命名列：

result = pd.DataFrame(result.groupby(['step_x','step_y']).size().rename('value'))
result = result.reset_index()
result.columns = ['source','target','value']

---

“目标”列是什么？如果只使用groupby，为什么它需要是动态的。

target

是流程中的下一步。因为

groupby

会将所有步骤放在一行（即A-->B-->C）而不是唯一的对中。谢谢Scott，这非常有效！请检查我的替代解决方案也。我喜欢你的解决方案的简洁性，但它运行的时间要长得多。@CameronTaylor我很高兴你得到了你所需要的+1.关于你的解决方案，请向我咨询。