我试图使用user@Garret提供的代码的修改版本来分析以下数据集中的一些内容,不过,我遇到了一些问题。你知道吗
数据集有一列,显示客户是由实时代理还是由自动机器参与。我试图找出并发调用之间的区别,在并发调用中,成员首先连接到代理,然后没有连接到代理。调用必须具有相同的调用原因,并且必须放在与时间戳相关的初始调用之后。另外,中间有其他原因的电话也没关系。你知道吗
以下是数据集:
data = [['bob13', 1, 'returns','automated',' 2019-08-18 10:12:00'],['bob13', 0, 'returns','automated',' 2019-03-18 10:12:00'],\
['bob13', 8, 'returns','agent',' 2019-04-18 10:15:00'],['rach2', 2, 'shipping','automated',' 2019-04-19 10:15:00'],\
['bob13', 0, 'returns','agent',' 2019-05-18 11:12:00'],['rach2', 0, 'shipping','agent',' 2019-04-18 11:15:00'],\
['bob13', 3, 'returns','agent',' 2019-02-18 10:12:00'],['rach2', 8, 'shipping','agent',' 2019-05-19 10:15:00'],\
['rach2', 7, 'shipping','automated',' 2019-06-19 10:15:00'],['roy', 4, 'exchange','agent','2019-03-26 17:36:00'],\
['roy', 5, 'exchange','automated','2019-01-28 09:48:00']]
df = pd.DataFrame(data, columns = ['member_id', 'survey_score','call_reason','connection','time_stamp'])
df.sort_values(by=['time_stamp']).head(20)
member_id survey_score call_reason connection time_stamp
6 bob13 3 returns agent 2019-02-18 10:12:00
1 bob13 0 returns automated 2019-03-18 10:12:00
2 bob13 8 returns agent 2019-04-18 10:15:00
5 rach2 0 shipping agent 2019-04-18 11:15:00
3 rach2 2 shipping automated 2019-04-19 10:15:00
4 bob13 0 returns agent 2019-05-18 11:12:00
7 rach2 8 shipping agent 2019-05-19 10:15:00
8 rach2 7 shipping automated 2019-06-19 10:15:00
0 bob13 1 returns automated 2019-08-18 10:12:00
10 roy 5 exchange automated 2019-01-28 09:48:00
9 roy 4 exchange agent 2019-03-26 17:36:00
我期望的输出如下:
member_id call_reason automated agent score differential
bob13 returns 0 3 -3
bob13 returns 1 0 1
rach2 shipping 2 0 2
rach2 shipping 7 8 -1
所以基本上,只是寻找两个调用之间的差异,关于调用的原因和连接。第一个调用是当成员连接到代理时,第二个调用必须在基于时间戳的第一个调用之后,必须出于相同的原因,并且必须连接到自动化系统。如果中间有其他原因的电话也可以。我试过的代码如下:
grp = df.query('connection=="automated"').\
groupby(['member_id', 'call_reason'])
df['OutId'] = grp.time_stamp.transform(lambda x: x.rank())
df.head(10)
grp = df.groupby(['member_id', 'call_reason'])
df['Id'] = grp.OutId.transform(lambda x: x.bfill())
df.head(10)
agent = df.query('connection=="agent"').\
groupby(['member_id', 'call_reason', 'Id']).survey_score.last()
automated = df.query('connection=="automated"').\
groupby(['member_id', 'call_reason', 'Id']).survey_score.last()
ddf = pd.concat([automated, agent], axis=1,
keys=['automated', 'agent'])
ddf['score_differential'] = ddf.automated - ddf.agent
我得到的结果是:
ddf.dropna().head(10)
automated agent score_differential
member_id call_reason Id
rach2 shipping 2.0 7 8.0 -1.0
roy exchange 1.0 5 4.0 1.0
同样,预期产出将是:
member_id call_reason automated agent score differential
bob13 returns 0 3 -3
bob13 returns 1 0 1
rach2 shipping 2 0 2
rach2 shipping 7 8 -1
注意:我希望解决方案能够灵活,以便我可以分析一些不同的场景,例如:
额外的帮助与此将不胜感激!你知道吗
您可以通过创建一个函数,然后将该函数应用于groupby中的组来实现这一点。你知道吗
设置初始数据帧:
每当我试图解决这样的问题时,我会分成一组。所以我就隔离了bob13,试着复制我们想要的bob。这让我想到了一系列具体的步骤,然后我把这些步骤放到函数中:
我们按时间对数据帧排序,然后创建名为next\u connection和next\u score的新列。这些将结果从下一个结果中转移出来,这样我们就可以将它放在那一行中。我们删除任何丢失的(组中的最后一个,因为没有下一个),隔离连接为
agent
且下一个连接为automated
的任何行。我们重命名列以匹配您的输出,并计算分数差。你知道吗现在我们将其应用于由
member_id
和call_reason
分组的数据帧。你知道吗相关问题 更多 >
编程相关推荐