Pandas-ipython，如何创建具有深入分析能力的新数据框
我觉得我的问题很简单，但为了详细说明，我写了很长的帖子。
我需要把一些数据可视化，但首先我需要进行一些计算，这在Tableau中看起来太麻烦了（如果我说Tableau不好，是不是会被讨厌！）
我有一个普遍的问题，就是如何把我的计算结果以一个好看的格式输出，这样可以在Tableau或者其他工具中可视化，所以需要保留很多信息。
我的数据集是与用户ID相关的应用使用情况，有可能每个用户ID会有多个记录，每条记录包含的信息有：开始使用应用的时间、结束时间、支付的价格、是否使用WiFi，以及其他一些属性（维度）。
我有一年的数据，想做一些事情，比如计算每个月和每个用户在应用中花费的平均时间/总价格，以及整年的数据（记住每个用户会出现多次，每次登录都会有记录）。
我知道一些基础知识，比如添加一列，通过结束时间减去开始时间来计算使用时长，我的Python技能也能正常使用，但数据处理的能力还是很菜。
我的问题是，假设我想计算以下属性（指标，都是按用户ID计算）：平均价格、总价格、最大/最小价格、中位数价格、平均时长、总时长、最大/最小时长、中位数时长，以及登录次数（也就是ID出现的次数），这些都要按月和按年计算。我知道我可以计算这些东西，但存储这些数据以便于可视化的最佳方式是什么？
为了提供一些背景，我可能想可视化那些平均支付超过8美元且在应用中总共超过3小时的用户（到目前为止，可以简单创建一个新表格来存储这些信息），但如果我想看到他们观看了哪些节目，以及他们是否使用了WiFi（原始数据集中的其他属性），并且想按月查看，这样的话，单纯的新计算表可能就不够用了。
那么，是否最好创建一个年度表和每个月一个表，总共13个表，每个表都包含在该时间段内的用户ID和所有原始信息，然后为每个计算添加一列（如果计算是平均值，那么我就为每个ID的每个实例输入相同的值）？
我搜索了一下，发现R中的plyr功能可能会有用，但我对Python和使用ipython非常熟悉。我只需要一个包含所有这些信息的好数据集，然后可以导出到可视化软件中，除非你也能推荐一些在ipython中使用的可视化工具 :)
任何帮助都非常感谢，我真心希望在Python中做这件事是合理的，因为在计算方面使用Tableau实在是太痛苦了……请帮帮我 :)
1 个回答
听起来你想要执行一个这样的数据库查询：
SELECT user, show, month, wifi, sum(time_in_pp)
GROUP BY user, show, month, wifi
HAVING sum(time_in_pp) > 3
把它放进数据库里，然后用pandas的SQL接口或者普通的Python查询来运行你的查询。假设你在这些列上给你的数据库表建立了索引。