问题陈述:
我有一个如下文件。
name | date | count
John | 201406 | 1
John | 201410 | 2
Mary | 201409 | 180
Mary | 201410 | 154
Mary | 201411 | 157
Mary | 201412 | 153
Mary | 201501 | 223
Mary | 201502 | 166
Mary | 201503 | 163
Mary | 201504 | 169
Mary | 201505 | 157
Tara | 201505 | 2
该文件显示了约翰,玛丽和塔拉三个人两个月的计数数据。我想分析这些数据并为每个人提供一个状态标签,即活跃,不活跃或新来的人。
如果某人具有201505和其他前几个月的条目,则他们是活跃的-例如Mary
如果某人没有201505的条目,那么他就处于非活动状态,例如John
一个人是新来的,如果他们仅在201505年有1个条目(例如Tara)。
此外,如果一个人很活跃,我想获得他们最近5个计数的中位数。例如,对于玛丽,我希望得到的平均值为((157 + 169 + 163 + 166 + 223 + 5)。
题:
我想了解如何在Python 2.7中读取此文件,以满足我的要求。我从以下内容开始,但不确定如何获取特定人员的先前条目(即文件中的先前行)。
for line in data:
col = line.split('\t')
name = col[0]
date = col[1]
count = col[2]
python大神给出的解决方案
import pandas as pd:
df = pd.read_csv('input_csv.csv') # This assumes you have a csv format file
names = {}
for name, subdf in df.groupby('name'):
if name not in names:
names[name] = {}
if (subdf['date']==201505).any():
if subdf['count'].count()==1:
names[name]['status'] = 'new'
else:
names[name]['status'] = 'active'
names[name]['last5median'] = subdf['count'].tail().median()
else:
names[name]['status'] = 'inactive'
>>>
{'John': {'status': 'inactive'},
'Mary': {'last5median': 166.0, 'status': 'active'},
'Tara': {'status': 'new'}}