如何根据纪元时间获取上半部分和下半部分（“ attempt_updated_at”列）

Question

因此，我想找出“平均 每次上半场与下半场的难度级别”，我找不到解决此问题的合适方法。我使用纪元时间将会话分为两半，然后找到平均难度级别。

session_id  question_difficulty     attempt_updated_at
5c822af21c1fba22            2   1557470128000
5c822af21c1fba22            3   1557469685000
5c822af21c1fba22            4   1557470079000
5c822af21c1fba22            5   1557472999000
5c822af21c1fba22            3   1557474145000
5c822af21c1fba22            3   1557474441000
5c822af21c1fba22            4   1557474299000
5c822af21c1fba22            4   1557474738000
5c822af21c1fba22            3   1557475430000
5c822af21c1fba22            4   1557476960000
5c822af21c1fba22            5   1557477458000
5c822af21c1fba22            2   1557478118000
5c822af21c1fba22            5   1557482556000
5c822af21c1fba22            4   1557482809000
5c822af21c1fba22            5   1557482886000
5c822af21c1fba22            5   1557484232000

我正在研究python pandas（Jupter Notebook）。

明智的代码，我不知道从哪里开始。（Noobie警报）

我希望输出像：

session_id上半场难度下半场难度

Answer 1

IIUC，您可以pandas.qcut用来将纪元切成2个大小相等的垃圾箱（上半部分/下半部分）。然后使用groupby.mean：

df.groupby(['session_id', pd.qcut(df.attempt_updated_at, q=2)])['question_difficulty'].mean()

[出]

session_id        attempt_updated_at                  
5c822af21c1fba22  (1557469684999.999, 1557475084000.0]    3.500
                  (1557475084000.0, 1557484232000.0]      4.125
Name: question_difficulty, dtype: float64

或者，根据您定义“上半部分” /“后​​半部分”的方式，您可能需要pandas.cut使用bins=2参数（在这种情况下，时间段的间隔将相等，而不是qcut上面所述的大小相等）：

df.groupby(['session_id', pd.cut(df.attempt_updated_at, bins=2)])['question_difficulty'].mean()

[出]

session_id        attempt_updated_at                
5c822af21c1fba22  (1557469670453.0, 1557476958500.0]    3.444444
                  (1557476958500.0, 1557484232000.0]    4.285714
Name: question_difficulty, dtype: float64

更新资料

要为唯一的session_id计算不同的时间段，您可能首先必须分组为session_id; 对每个组运行以上方法; 最后，concat结果。这是使用列表理解的示例：

groups_session_id = df.groupby('session_id')

pd.concat([g.groupby(['session_id', pd.cut(g['attempt_updated_at'], bins=2).astype(str)])
           ['question_difficulty'].mean() for _, g in groups_session_id])

更新2

要将这些平均值加回到原始值中DataFrame，可以使用DataFrame.merge：

df_avg_question_difficulty = pd.concat([g.groupby(['session_id', pd.cut(g['attempt_updated_at'], bins=2, labels = [1, 2]).astype(str)])
                                        ['question_difficulty'].mean().unstack(1) for _, g in groups_session_id])

df = df.merge(df_avg_question_difficulty, left_on='session_id', right_index=True)