Python Pandas.Series.unstack（）是否影响数据类型？

我正在研究一个包含混合类型值（timedelta和int）的多索引系列：

索引：

MultiIndex(levels=[[7, 9, 10], ['a', 's']],
           labels=[[0, 0, 1, 1, 2, 2], [0, 1, 0, 1, 0, 1]],
           names=['char', None])

当我尝试使用

pandas.Series.unstack（）

取消堆栈时，它会将所有值转换为时间增量（精度不同）：

有人知道这是从哪里来的吗

编辑

这里还有一些信息。原始数据样本：

    timestamp           char
0   2008-01-15 23:56:52 7
1   2008-01-16 00:07:28 7
2   2008-01-01 16:12:32 9
3   2008-01-03 01:52:08 9
4   2008-07-06 17:23:25 10
5   2008-07-06 17:33:47 10

我提取了几个特征：

def get_session(ts):
    ts = ts.sort_index()
    dt = (ts - ts.shift()).fillna(0)
    first_logs = dt > '30m'
    sessions = first_logs.cumsum() + 1
    duration = sessions.value_counts().mean() * np.timedelta64(10, 'm')
    return pd.Series({'s': max(sessions), 'a': duration})

timetable = data.groupby('char')[' timestamp'].apply(get_session)

这给了我：

char   
7     a    20 minutes
      s             1
9     a    10 minutes
      s             2
10    a    20 minutes
      s             1
Name:  timestamp, dtype: object

拆下支架后的外观如下所示：

timetable.unstack()

a   s
char        
7   00:20:00    00:00:00.000000
9   00:10:00    00:00:00.000000
10  00:20:00    00:00:00.000000

看起来像虫子

我认为您可以从函数

DataFrame

返回，然后

unstack

是不必要的：

def get_session(ts):
    ts = ts.sort_index()
    dt = (ts - ts.shift()).fillna(0)
    first_logs = dt > '30m'
    sessions = first_logs.cumsum() + 1
    duration = sessions.value_counts().mean() * np.timedelta64(10, 'm')
    return pd.DataFrame({'s': max(sessions), 'a': duration}, index=[0])

timetable = data.groupby('char')['timestamp'].apply(get_session)
print (timetable)
              a  s
char              
7    0 00:20:00  1
9    0 00:10:00  2
10   0 00:20:00  1

但是索引存在问题（第二级都是

0

），因此您可以从列

s

创建索引，然后通过设置索引

name

（在

pandas

<0.18.0中新增）：

---

你可以发布原始数据和代码来复制这个，再加上你的pandas和numpy版本，谢谢你的解决方案！我使用了

MultiIndex.droplevel（1）

来删除零，但是您的解决方案更短。确实有一些奇怪的事情发生了。

timetable.unstack()

a   s
char        
7   00:20:00    00:00:00.000000
9   00:10:00    00:00:00.000000
10  00:20:00    00:00:00.000000

def get_session(ts):
    ts = ts.sort_index()
    dt = (ts - ts.shift()).fillna(0)
    first_logs = dt > '30m'
    sessions = first_logs.cumsum() + 1
    duration = sessions.value_counts().mean() * np.timedelta64(10, 'm')
    return pd.DataFrame({'s': max(sessions), 'a': duration}, index=[0])

timetable = data.groupby('char')['timestamp'].apply(get_session)
print (timetable)
              a  s
char              
7    0 00:20:00  1
9    0 00:10:00  2
10   0 00:20:00  1

def get_session(ts):
    ts = ts.sort_index()
    dt = (ts - ts.shift()).fillna(0)
    first_logs = dt > '30m'
    sessions = first_logs.cumsum() + 1
    duration = sessions.value_counts().mean() * np.timedelta64(10, 'm')
    return pd.DataFrame({'a': duration}, index=[max(sessions)]).rename_axis('s')

timetable = data.groupby('char')['timestamp'].apply(get_session)
print (timetable)
              a
char s         
7    1 00:20:00
9    2 00:10:00
10   1 00:20:00