片段的唯一性标识——Python

最新推荐文章于 2022-09-04 19:16:11 发布

thisissally

最新推荐文章于 2022-09-04 19:16:11 发布

阅读量144

点赞数

分类专栏：特征工程文章标签： python

本文链接：https://blog.csdn.net/weixin_45366750/article/details/119856865

版权

特征工程专栏收录该内容

7 篇文章 0 订阅

订阅专栏

这段代码主要用于通过device_id、ds和order_id三个字段创建数据片段的唯一标识。它首先初始化一个名为temp的列用于记录与上一行数据的不同之处，然后通过循环检查每一行，如果这三个字段中的任何一个发生了变化，temp值就会累加。最后，利用temp列生成label列，表示每个片段的标识，并累计计算。整个过程使用了pandas的shift和diff函数来比较相邻行的数据差异。

摘要由CSDN通过智能技术生成

根据device_id+ds+order_id为唯一标识给片段打标签

df1['temp']=0  #temp记录与上一条的不同数
for i in range(len(df1)):
    if (df1.device_id.shift()[i]!= df1.device_id[i]) or (df1.ds.diff()[i]!=0) or (df1.rw.diff()[i]!=0):
        df1.temp[i]+=1
df1['label']=df1.temp[0] #label是累积数，也是片段的唯一标识
for i in range(len(df1)):
    df1.label[i]=sum(df1.temp[0:(i+1)])
    #print(i) #查看循环轮数

#shift是一阶差分函数