我有以下表格的面板数据:
+--------+----------+------------+----------+
| | user_id | order_date | values |
+--------+----------+------------+----------+
| 0 | 11039591 | 2017-01-01 | 3277.466 |
| 1 | 25717549 | 2017-01-01 | 587.553 |
| 2 | 13629086 | 2017-01-01 | 501.882 |
| 3 | 3022981 | 2017-01-01 | 1352.546 |
| 4 | 6084613 | 2017-01-01 | 441.151 |
| ... | ... | ... | ... |
| 186415 | 17955698 | 2020-05-01 | 146.868 |
| 186416 | 17384133 | 2020-05-01 | 191.461 |
| 186417 | 28593228 | 2020-05-01 | 207.201 |
| 186418 | 29065953 | 2020-05-01 | 430.401 |
| 186419 | 4470378 | 2020-05-01 | 87.086 |
+--------+----------+------------+----------+
作为Python中的数据帧
数据基本上是叠加的时间序列数据;该表包含与特定时期内(2017/01-2020/05)独特用户观察结果相对应的大量时间序列。这一时期的覆盖范围在各个用户中可能非常低,这意味着如果你隔离各个时间序列,它们的长度都是不同的
我想获取长格式面板数据并将其转换为宽格式,以便每列为一天,每行对应一个唯一的用户:
+----------+------------+------------+------------+------------+------------+
| | 2017-01-01 | 2017-01-02 | 2017-01-03 | 2017-01-04 | 2017-01-05 |
+----------+------------+------------+------------+------------+------------+
| 11039591 | 3277.466 | 6482.722 | NaN | NaN | NaN |
| 25717549 | 587.553 | NaN | NaN | NaN | NaN |
| 13629086 | 501.882 | NaN | NaN | NaN | NaN |
| 3022981 | 1352.546 | NaN | NaN | 557.728 | NaN |
| 6084613 | 441.151 | NaN | NaN | NaN | NaN |
+----------+------------+------------+------------+------------+------------+
我一直在努力使用unstack/pivot或其他内置Pandas实现这一点,因为我不断遇到:
ValueError: Index contains duplicate entries, cannot reshape
由于重复的用户ID
目前,我的解决方案使用一个循环来索引各个时间序列,并将它们连接在一起,因此不具有可伸缩性—它已经非常慢,只有180k行:
def time_series_stacker(df):
ts = list()
for user in df['user_id'].unique():
values = df.loc[df['user_id']==user].drop('user_id', axis=1).T.values
instance = pd.DataFrame(
values[1,:].reshape(1,-1),
index=[user],
columns=values[0,:].astype('datetime64[ns]')
)
ts.append(instance)
return pd.concat(ts, axis=0)
有人能帮我更有效地改造这个吗
这是尝试
pivot_table
的最佳时机输出
相关问题 更多 >
编程相关推荐