Python 分组和缩减数据帧

我对Python很陌生，对Pandas也很陌生（我学习Pandas比Python更困难）

我试图转换一个大数据集，但我被卡住了

我从具有以下结构的CSV上传数据

DATE       ID      CATEGORY 1      SUCCESS (0 or 1)
1/1/2015   a1      x               0
1/1/2015   a2      y               0
1/1/2015   a3      z               0
1/3/2015   a2      z               0
1/5/2015   a1      x               0
1/7/2015   a2      z               1
1/9/2015   a3      y               0
1/10/2015  a2      z               1
1/11/2015  a3      y               0

我的最终目标是找到一种方法将其分组到表单中，在该表单中，我可以获得一系列类别，这些类别将导致一个特定ID的成功标志，然后是一个从上一行到同一ID所经过的时间数组

所以结果会是这样的：

    {a2: {'1':((y,z,z),(0,2,4)), '2':((z),(0))}

我不确定熊猫或NumPy的多维数组是否更适合这项任务。我也不确定要在熊猫身上发挥什么样的作用才能实现这一点

---

正确的方向上的一点会非常有帮助。

我不是100%理解这个问题。 我不确定（0,2,4）是什么意思。 好的，让我们开始吧

这是一种非熊猫式的方式，与所有的数据帧循环有关

我将您的数据保存在csv中，请按如下方式加载：

import pandas as pd
import numpy as np
df = pd.read_csv('data.csv')
print df.head(len(df))

看起来：

        DATE  ID CATEGORY  SUCCESS
0   1/1/2015  a1        x        0
1   1/1/2015  a2        y        0
2   1/1/2015  a3        z        0
3   1/3/2015  a2        z        0
4   1/5/2015  a1        x        0
5   1/7/2015  a2        z        1
6   1/9/2015  a3        y        0
7  1/10/2015  a2        z        1
8  1/11/2015  a3        y        0

现在是代码：

uber_dict = {}
grouped =  df.groupby(['ID'])
for name, group in grouped:
    mini_dict = {}
    working_list = []
    i = 1
    for idx,row in group.iterrows():
        working_list.append((row['CATEGORY'],row['DATE']))
        if row['SUCCESS'] == 1:
            df = pd.DataFrame(working_list,columns= ['CATEGORY','DATE']) # let's use a bit more pandas.
            df.set_index('CATEGORY',inplace=True)
            df["DATE"] = pd.to_datetime(df["DATE"]) # my dates are string format so casting
            df['DATE'] = df['DATE'].diff()
            df['DATE'].fillna(0,inplace=True)
            df['DATE'] = df['DATE'].astype('timedelta64[D]').astype('int')
            mini_dict[str(i)] = tuple(zip(*df.to_records()))
            working_list=[]
            i = i +1

    if mini_dict.keys(): # see http://stackoverflow.com/questions/53513/best-way-to-check-if-a-list-is-empty
        uber_dict[name] = mini_dict

print uber_dict

产生

{'a2': {'1': (('y', 'z', 'z'), (0, 2, 4)), '2': (('z',), (0,))}}

---

哇，成功了。为了澄清，第二个数组是时间增量。我更新了您的代码，从唯一ID的第一个实例开始给出日增量，然后在成功后重置。谢谢真正的数据文件相当大，所以我必须找出如何将其放入内存中。但这太棒了，我现在有了一个继续学习的方向。