熊猫数据框点击率计算

Posted 2023-03-11

技术标签:

【中文标题】熊猫数据框点击率计算【英文标题】：pandas dataframe click through rate calculation 【发布时间】：2016-05-20 04:53:20 【问题描述】：

我有一个格式为

的数据框

                           variantid eventType
date
2016-02-08 14:43:42  variant1    served
2016-02-08 14:43:46  variant1    served
2016-02-08 14:43:47  variant1    served
2016-02-08 14:43:51  variant1    served
2016-02-08 14:43:53  variant1    served
2016-02-08 14:43:54  variant1    served
2016-02-08 14:43:55  variant1    served
2016-02-08 14:43:55  variant2    served
2016-02-08 14:43:56  variant2    served
2016-02-08 14:43:56  variant1    served

我已按日期对其进行了索引。我现在想对variantid 列中的每个唯一值进行点击率计算。我对熊猫很陌生，不知道如何实现这一点。如果我进行以下操作

grouped_by_varid=df.groupby(by=[df.variantid,df.index.hour]).count()

我得到以下数据框

                eventType
variantid
variant1    0           3
            1           3
            3           1
            4           1
            5           4
            6           3
            7           5
            8           9
            9           9
            10         12
            14       5846
            15      26712
            16      25614
            17      19579
            18      14328
            19       2984
            20         39
            21         32
            22         15
            23         12

variant2    0           3
            1           1
            2           4
            3           3
            4           8
            5          14
            6          24
            7          21
            8          27
            9           9
            10          9
            14       4947
            15      21299
            16      19475
            17      13292
            18       9398
            19       2172
            20         66
            21         64
            22         44
            23         12

我想生成一个数据框，用于计算和存储每个变体每小时的点击率（也是每分钟，但我觉得这将是一个微小的变化）。

我还注意到，由于 eventType 列中的值是字符串，如果我进行求和，它会简单地连接这些值，那么我将如何使用这些字符串 eventTypes 计算每个变量的聚合统计信息。

任何帮助将不胜感激。

【问题讨论】：

【参考方案1】：

IIUC 你可以使用groupby 和聚合size、reset_index 和最后一个rename：

print df
                    variantid eventType
date                                   
2016-02-08 14:43:42  variant1    served
2016-02-08 14:43:46  variant1    served
2016-02-08 14:43:47  variant1    served
2016-02-08 14:43:51  variant1    served
2016-02-08 14:43:53  variant1    served
2016-02-08 14:43:54  variant1    served
2016-02-08 14:43:55  variant1    served
2016-02-08 14:43:55  variant2    served
2016-02-08 14:43:56  variant2    served
2016-02-08 14:43:56  variant1    served

print df.groupby(by=[df.variantid,df.index.hour])['eventType'].size()
                               .reset_index(name='count').rename(columns='level_1':'hours')
  variantid  hours  count
0  variant1     14      8
1  variant2     14      2

print df.groupby(by=[df.variantid,df.index.minute])['eventType'].size()
                             .reset_index(name='count').rename(columns='level_1':'minutes')
  variantid  minutes  count
0  variant1       43      8
1  variant2       43      2

【讨论】：

以上是关于熊猫数据框点击率计算的主要内容，如果未能解决你的问题，请参考以下文章