Python使用Datetime解析器、分组和查找第一个值

我面临以下挑战：

在从导入中选择所需的列后，我有一个如下所示的数据框：

user_id    datetime
1          1473225887
1          1373225887
1          1673225887
2          1173225887
2          1573225887

我想做两件事： （1） 使用datetime函数将datetime值转换为常规日期表示法，而不是unix_时间戳。我还没有做到这一点

（2） 根据用户id对数据进行分组，并且只保留每个用户id的第一个日期时间（因此是最早的日期）

到目前为止，我编写的代码如下。请注意，我是Python的初学者，我还没有管理过类，所以我希望一开始就不要类

我希望你能在这里帮助我！提前多谢

def run():
    engagement_dataset = import_engagements()
    engagement_dataset_first_event = first_engagement(engagement_dataset)

def import_engagements():
    df_engagements = pd.read_csv('df_engagements.csv',
                                 sep=';')
    required_columns = ['engagement_unix_timestamp', 'user_id']
    df_engagements = df_engagements[required_columns]
    df_engagements.rename(columns={'engagement_unix_timestamp': 'datetime'}, inplace=True)
    return df_engagements

def first_engagement(engagement_dataset):
    engagement_dataset_grouped = engagement_dataset.groupby(['user_id'])['datetime'].idxmin().reset_index()
        return engagement_dataset_grouped

run()

（1） 可以使用以下命令转换unix格式的日期时间：

df['datetime_formatted'] = pd.to_datetime(df['datetime'], unit='s')

（2） 然后，您可以按用户分组，并通过agg聚合，找到该用户的最短日期：

df.groupby('user_id').agg({'datetime_formatted':'min'})

---

是一个讨论unix日期时间转换的答案，对于第二部分，您应该能够使用

groupby（）.min（）

而不是

idxmin

来启动。请为您的答案添加解释。