Question

我正在尝试在熊猫的数据框中添加一列，其中每个条目代表两个相邻行中另一列的值之间的差异（如果满足某些条件）。遵循对get previous row's value and calculate new column pandas python的回答之后，我正在使用shift在两行的duration_seconds列条目之间找到增量（下一个减去当前值），然后将该增量作为派生条目返回，如果这两行都来自相同的user_id，下一行的action不是'login'，且增量不是负数。这是代码：

def duration (row):
    candidate_duration = row['duration_seconds'].shift(-1) - row['duration_seconds']
    if row['user_id'] == row['user_id'].shift(-1) and row['action'].shift(-1) != 'login' and candidate_duration >= 0:
        return candidate_duration
    else:
        return np.nan

然后我使用

测试功能

analytic_events.apply(lambda row: duration(row), axis = 1)

但这会引发错误：

AttributeError ：（“ int”对象没有属性“ shift””，“发生在索引9464384'）

我想知道这是否类似于错误修复的here，所以我尝试这样传递整个数据帧：

duration(analytic_events)

但是会引发错误：

ValueError：系列的真值不明确。使用a.empty，a.bool（），a.item（），a.any（）或a.all（）。

我应该怎么做才能实现这种结合；我应该如何使用shift？

Answer 1

没有看到您的数据。您可以使用np.where有条件地创建列来简化此操作：

cond1 = analytic_events['user_id'] == analytic_events['user_id'].shift(-1)   
cond2 = analytic_events['action'].shift(-1) != 'login'
cond3 = analytic_events['duration_seconds'].shift(-1) - analytic_events['duration_seconds'] >= 0

analytic_events['candidate_duration'] = np.where((cond1) & (cond2) & (cond3), 
                                                 analytic_events['duration_seconds'].shift(-1) - analytic_events['duration_seconds'], 
                                                 np.NaN)

说明 np.where的工作方式如下：np.where(condition, value if true, value is false)

发生移位：使用熊猫移位来合并行

1 个答案: