Python “如何计数”;实际的;数据帧中的行?
我的数据集中有以下列: id |用户id |开始日期|结束日期|检查日期 我想从第一列获取检查日期,查找检查日期在开始日期和结束日期之间的所有行。然后计算每个用户id的行数。对第二行执行相同的操作,依此类推 这里的要点是,我将得到每个用户和每个检查日期的所有实际行的数量 这是我的解决方案(在我的数据集中,我的检查日期少于用户):Python “如何计数”;实际的;数据帧中的行?,python,pandas,Python,Pandas,我的数据集中有以下列: id |用户id |开始日期|结束日期|检查日期 我想从第一列获取检查日期,查找检查日期在开始日期和结束日期之间的所有行。然后计算每个用户id的行数。对第二行执行相同的操作,依此类推 这里的要点是,我将得到每个用户和每个检查日期的所有实际行的数量 这是我的解决方案(在我的数据集中,我的检查日期少于用户): 请提供一些示例测试数据,以便我们重现您的问题。您是否接受创建一个带有id和check_date值计数为True的dict作为答案?例如:{'id':[1,2,3,4],
请提供一些示例测试数据,以便我们重现您的问题。您是否接受创建一个带有id和check_date值计数为True的dict作为答案?例如:{'id':[1,2,3,4],'dates_in_between':[10,23,13,42]}@d_kennetz,编辑了我的问题谢谢你的回答,但这不是我需要的。在查询中,您正在检查check_date是否在同一行的开始和结束之间。我想查找当前行的check_date在开始和结束之间的所有行。“实际”列是此操作的结果。编辑以匹配示例和结果
df['actual_rows'] = 0
for c_d in df.check_date.unique():
temp_df = df[(start_date <= c_d) & (end_date > c_d)]
gr = temp_df.groupby('user_id')['id'].count()
df.loc[df.check_date == c_d, 'actual_rows'] =\
df[df.check_date == c_d].user_id.map(gr.to_dict())
del temp_df
del gr
id, user_id, start_date, end_date, check_date, actual
1, 1, 2018-11-05, 2018-12-06, 2018-11-22, 2
2, 1, 2018-11-10, 2018-11-25, 2018-11-24, 2
3, 1, 2018-12-05, 2018-12-31, 2018-12-20, 1
4, 1, 2018-12-25, 2019-01-30, 2018-12-30, 2
import pandas as pd
from io import StringIO
# example data (with result column and spaces removed, a few rows added)
df = pd.read_csv(StringIO("""id,user_id,start_date,end_date,check_date
1,1,2018-11-05,2018-12-06,2018-11-22
2,1,2018-11-10,2018-11-25,2018-11-24
3,1,2018-12-05,2018-12-31,2018-12-20
4,1,2018-12-25,2019-01-30,2018-12-30
5,2,2018-11-05,2018-12-06,2018-11-22
6,2,2018-11-10,2018-11-25,2018-11-24
"""))
def count_for_check_date(df, user_id, check_date):
"""
:return: count of rows in df for given user_id and check_date
"""
return df.query('user_id == @user_id and start_date <= @check_date and @check_date <= end_date').shape[0]
# apply the counting function to each pair of [user_id, checkdate] - assign result to column actual
df['actual'] = df[['user_id','check_date']].apply(lambda r: count_for_check_date(df, r[0], r[1]), axis=1)
print(df)
id user_id start_date end_date check_date actual
0 1 1 2018-11-05 2018-12-06 2018-11-22 2
1 2 1 2018-11-10 2018-11-25 2018-11-24 2
2 3 1 2018-12-05 2018-12-31 2018-12-20 1
3 4 1 2018-12-25 2019-01-30 2018-12-30 2
4 5 2 2018-11-05 2018-12-06 2018-11-22 2
5 6 2 2018-11-10 2018-11-25 2018-11-24 2