最近在處理數(shù)據(jù)的時候遇到一個需求，核心就是求取最大連續(xù)行為天數(shù)。

這里用北京空氣質(zhì)量數(shù)據(jù)作為案例進行演示，需求是找出北京空氣質(zhì)量連續(xù)污染最長持續(xù)多久并確定其周期。

圖1：案例數(shù)據(jù)

以上圖中數(shù)據(jù)來算，可以看到從1月21日-1月26日空氣質(zhì)量連續(xù)污染持續(xù)了6天。

不過，在實際的數(shù)據(jù)處理中，原始數(shù)據(jù)往往會較大，并不一定能直接看出來。接下來，介紹幾種解決方案供大家參考。

1. 獲取案例數(shù)據(jù)

大家可以通過以下方式獲取案例數(shù)據(jù)。

import?akshare?as?akair_quality_hist_df?=?ak.air_quality_hist(city="北京",?period="day",?start_date="2021-01-01",?end_date="2021-04-26") air_quality_hist_df.head()

圖2：akshare數(shù)據(jù)預(yù)覽

由于只需要用到aqi，并按照國際標準進行優(yōu)良與污染定級，這里簡單做下數(shù)據(jù)處理如下：

import?pandas?as?pd#?重置索引 aqi?=?air_quality_hist_df['aqi'].reset_index() #?將aqi列改為int類型 aqi.aqi?=?aqi.aqi.astype('int') #?使用分箱進行空氣質(zhì)量定級 aqi['空氣質(zhì)量']?=?pd.cut(aqi.aqi,bins=[0,100,500],labels=['優(yōu)良','污染']) #?取10個樣本預(yù)覽 aqi.sample(10)

圖3：處理后數(shù)據(jù)

2. 求連續(xù)污染持續(xù)天數(shù)

2.1. 思路1：按時間排序求差值再分組計數(shù)

才哥上次的解法就是這種思路，回看當初的代碼顯得比較稚嫩，今天我們看看小明哥的解法，非常精彩。

步驟1：篩選空氣質(zhì)量為污染的數(shù)據(jù)

t?=?aqi.query('空氣質(zhì)量=="污染"') t.sample(5)

圖4：篩選空氣質(zhì)量污染的數(shù)據(jù)

步驟2：新增輔助列（輔助列可以不用加到原數(shù)據(jù)t上）

這里的邏輯大概如下：

• 輔助排名列（按照時間順序排序）為間隔天數(shù)

• 然后用時間字段（time）與間隔天數(shù)求差值得到一個日期

• 如果得到的這個日期相同，則這幾天是連續(xù)污染天

groupids?=?pd.to_datetime(aqi.time)-pd.to_timedelta(aqi.time.rank(),unit='d') groupids.sample(5)

圖5：輔助列

步驟3：分組計數(shù)獲得連續(xù)天數(shù)，分組求最小最大值獲得連續(xù) 污染起止日期

t.groupby(groupids).agg({'time':?lambda?x:f'{x.min()}~{x.max()}',?#?求起止日期'空氣質(zhì)量':"count",?#?求連續(xù)天數(shù) }).nlargest(5,'空氣質(zhì)量')?#?取?空氣質(zhì)量?字段最大的前5組數(shù)據(jù)

圖6：解法1的結(jié)果

以上完整代碼如下：

t?=?aqi.query('空氣質(zhì)量=="污染"') t.groupby(pd.to_datetime(t.time)-pd.to_timedelta(t.time.rank(),unit='d')).agg({'time':?lambda?x:f'{x.min()}~{x.max()}','空氣質(zhì)量':"count",} ).nlargest(5,'空氣質(zhì)量')

2.2. 思路2：比對相鄰兩天空氣質(zhì)量標記

思路2有兩種解法，其一是利用循環(huán)創(chuàng)建輔助列，其二是利用shift和cumsum創(chuàng)建輔助列，具體我們可以往下看。

解法1：利用循環(huán)創(chuàng)建輔助列

• 創(chuàng)建一個輔助列，輔助列的值按照以下思路創(chuàng)建函數(shù)獲取

• 如果空氣質(zhì)量為優(yōu)良，則輔助列值+1；若當前空氣質(zhì)量和上一日不同，則輔助列值也+1

• 以上均不滿足，則輔助列值不變

last?=?None num?=?0 groupids?=?[] for?v?in?aqi.空氣質(zhì)量.values:if?v?!=?last?or?v?!=?'污染':num?+=?1groupids.append(num)last?=?v

根據(jù)這個邏輯可以得到輔助列數(shù)據(jù)如下：

圖7：輔助列值預(yù)覽

可以發(fā)現(xiàn)，按照輔助列分組進行計數(shù)即可獲得連續(xù)污染天數(shù)，如上紅色標記區(qū)域。

aqi.groupby(groupids).agg({'time':?lambda?x:f'{x.min()}~{x.max()}','空氣質(zhì)量':"count",} ).nlargest(5,'空氣質(zhì)量')

圖8：思路2的解法1結(jié)果

解法2：利用shift和cumsum創(chuàng)建輔助列

• 先創(chuàng)建空氣質(zhì)量的shift列，下移動一位

• 如果shift列和空氣質(zhì)量列相等，則判斷列為0，否則為1

• 輔助列為判斷列累加求和

圖9：輔助列創(chuàng)建思路預(yù)覽

我們也可以發(fā)現(xiàn)，按照輔助列分組計數(shù)即可獲取空氣質(zhì)量連續(xù)天數(shù)（優(yōu)良和污染均可），如上紅色區(qū)域。

(aqi.query('空氣質(zhì)量=="污染"')?#?這里篩選?污染?天氣.groupby((aqi.空氣質(zhì)量.shift()?!=?aqi.空氣質(zhì)量).cumsum())?#?輔助列.time.agg(['count','min','max'])?#?計數(shù)及獲取日期區(qū)間.nlargest(5,'count') )

圖9：思路2的解法2結(jié)果

按照小明哥的輸出結(jié)果，調(diào)整代碼如下：

( aqi.query("空氣質(zhì)量=='污染'") .groupby((aqi.空氣質(zhì)量 != aqi.空氣質(zhì)量.shift()).cumsum()) .agg( { 'time': lambda x: f"{x.min()}~{x.max()}", '空氣質(zhì)量': "count"} ).nlargest(5, '空氣質(zhì)量'))

圖10：思路2的解法2小明哥結(jié)果

以上就是本次全部內(nèi)容，其實我們在日常工作生活中還可能遇到類似場景如：計算用戶連續(xù)登錄天數(shù)、計算用戶連續(xù)付費天數(shù)、計算南方梅雨季節(jié)連續(xù)下雨天數(shù)等等！

總結(jié)

以上是生活随笔為你收集整理的Python应用实战-Pandas 计算连续行为天数的几种思路的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。