rolling uniques über Gruppen + Zeit in Pandas

Question

Probleme beim Berechnen rollender 7-Tage-Unique User nach Gruppe in einem Group-User-Date-Dataset. Es ist eine klassische Metrik, und mir ist klar, dass mir jemand bei Pandas helfen könnte.

Beispieldaten:

from StringIO import StringIO 
import pandas as pd 

data = StringIO("""grp1,user,date 
    a,1,2016-10-10 
    a,1,2016-10-09 
    a,1,2016-10-07 
    a,2,2016-10-09 
    a,2,2016-10-06 
    a,3,2016-10-10 
    a,3,2016-10-09 
    """) 

df = pd.read_csv(data) 

Für diesen einfachen Datensatz möchte ich zurück:

a, 2016-10-10, 3 <- 3 users were in group a in the 7 days ending 10/10 
    a, 2016-10-09, 3 <- 3 users were in group a in the 7 days ending 10/09 
    a, 2016-10-07, 2 <- 2 users were in group a in the 7 days ending 10/07 
    a, 2016-10-06, 1 <- 1 users were in group a in the 7 days ending 10/06 

ich nichts dagegen, wenn es sich um eine des ursprünglichen Datensatzes oder einer Aggregation Transformation ist.

haben 1) eine Menge Such versucht und 2) eine Menge von Variationen von

from datetime import datetime, timedelta 

rolling_uniques = lambda x: x['user'].unique().size if x['date'] + timedelta(days=6) <= x['date'].max() else 0 

df.apply(rolling_uniques, axis=1) 

ODER

df.groupby(['grp1', 'user', 'date']).transform(rolling_uniques) 

aber nichts arbeitet aus. In meinen Daten habe ich mehrere Gruppenspalten und natürlich mehr Kategorien innerhalb von grp1 als nur 'a'.

Answer 1

Ich nicht jetzt, wenn es genau das erwartete Ergebnis ist, aber ich denke, dass es Ihnen helfen kann. Gib mir Bescheid.

# Test data 
data = io.StringIO("""grp1,user,date 
    a,1,2016-10-10 
    a,1,2016-10-09 
    a,1,2016-10-07 
    a,2,2016-10-09 
    a,2,2016-10-06 
    a,3,2016-10-10 
    a,3,2016-10-09 
    b,1,2016-10-09 
    b,2,2016-10-10 
    """) 


df = pd.read_csv(data) 
df['date'] = pd.to_datetime(df['date']) 
# Setting and sorting the index 
df.set_index('date', inplace=True) 
df.sort_index(inplace=True) 

# Resampling data by preserving the group 
df = df.groupby([df.index.to_period('D'), df['grp1']]).sum() 
df = df.unstack('grp1') 
df = df.resample('D').sum().fillna(0) 
# Computing the rolling sum 
df = df.rolling(7, min_periods=0).sum() 

# Formatting 
df = df.stack() 
df = df.swaplevel(0,1) 

print(df) 
#     user 
# grp1 date    
#  a 2016-10-06 2.0 
#  b 2016-10-06 0.0 
#  a 2016-10-07 3.0 
#  b 2016-10-07 0.0 
#  a 2016-10-08 3.0 
#  b 2016-10-08 0.0 
#  a 2016-10-09 9.0 
#  b 2016-10-09 1.0 
#  a 2016-10-10 13.0 
#  b 2016-10-10 3.0