我有一个用户会话的数据集,加载到Pandas数据框中:
SessionID, UserID, Logon_time, Logoff_time
Adx1YiRyvOFApQiniyPWYPo,AbO6vW58ta1Bgrqs.RA0uHg,2016-01-05 07:46:56.180,2016-01-05 08:04:36.057
AfjMzw8In8RDqK6jIfItZPs,Ae8qOxLzozJHrC2pr2dOw88,2016-01-04 14:48:47.183,2016-01-04 14:53:30.210
AYIdSJYsRw5PptkFfEOXPa0,AX3Xy8dRDBRAlhyy3YaWw6U,2016-01-04 11:06:37.040,2016-01-04 16:34:38.770
Ac.WXBBSl75KqEuBmNljYPE,Ae8qOxLzozJHrC2pr2dOw88,2016-01-04 10:58:04.227,2016-01-04 11:21:10.520
AekXRDR3mBBDh49IIN2HdU8,Ae8qOxLzozJHrC2pr2dOw88,2016-01-04 10:16:08.040,2016-01-04 10:34:20.523
AVvL3VSWSq5Fr.f4733X.T4,AX3Xy8dRDBRAlhyy3YaWw6U,2016-01-04 09:19:29.773,2016-01-04 09:40:25.157
我要做的是将此数据转换为包含两列的数据帧:
我可以对单个时间戳执行此操作,方法是将datetime范围转换为Interval
,然后检查给定时间戳落在间隔中的行数。在
但是,如果我想用一到两年的时间,以分钟或小时为分辨率,我将在一年内完成8760个循环(以小时为例)……这可能不会破坏交易,但我想知道是否有人有其他(可能更优雅)的建议或想法。在
IIUC,我们可以这样做:
输出(压头):
^{pr2}$使用Pandas可视化检查所有数据:
最后,我使用了与Scott的答案稍有不同的解决方案,但他的方法很关键,因为观察(记录)的数量相对较少,而另一方面,考虑到第一次和最后一次观察之间的时间,时间元素的数量(例如秒数,取决于所需的分辨率)要大得多。在
但是,我首先将所有生成的日期范围(序列)收集到一个列表中,并在第二个单独的步骤中将所有这些日期范围(序列)串联起来,这将更快地使用
apply()
修改原始数据帧。在绘图只需要一个额外的语句:
^{pr2}$相关问题 更多 >
编程相关推荐