Pandas分食馆

Question

我有一个包含用户ID、Tweets和createdDate的数据集。每个UserID将在不同的日期创建多个tweet。我想找到tweets的频率，我写了一个小计算，它给出了每个用户id每小时的tweet数量。我使用group by执行以下代码：

  twitterDataFrame = twitterDataFrame.set_index(['CreatedAt'])
  tweetsByEachUser = twitterDataFrame.groupby('UserID')
  numberOfHoursBetweenFirstAndLastTweet = (tweetsByEachUser['CreatedAtForCalculations'].first() - tweetsByEachUser['CreatedAtForCalculations'].last()).astype('timedelta64[h]')
  numberOfTweetsByTheUser = tweetsByEachUser.size()
  frequency = numberOfTweetsByTheUser  / numberOfHoursBetweenFirstAndLastTweet

当打印频率值时，我得到：

^{pr2}$

现在我需要回到我的大数据框架（twitterDataFrame）中，在正确的userid旁边添加这些值。我怎么可能做到呢？我想说

twitterDataFrame['frequency'] = the frequency corresponding to the UserID. e.g twitterDataFrame['UserID'] and the frequency value we got for that above. 

但是我不知道我是怎么做到的。有人知道我怎么做到的吗？在

Answer 1

您可以对您创建的frequency对象使用join操作，也可以在一个阶段中执行：

get_freq = lambda ts: (ts.last() - ts.first()).astype('timedelta64[h]') / len(ts)
twitterDataFrame['frequency'] = twitterDataFrame.groupby('UserID')['CreatedAtForCalculations'].transform(get_freq)