条件填充数据框 pandas
Conditional fill dataframe pandas
我对 pandas 还很陌生，所以请多多包涵。我有一个带有交互数据的数据框（交互的开始时间、交互的结束时间、进行交互的用户 A 和用户 B）：
begin, end, userA, userB.
现在我想将此数据转换为以下格式（从 0 到 x 的时间，一个用户的 userId，如果有交互则为布尔值 yes 或 no）。
time, userId, interaction.
我看到一些关于使用 np.where 的条件数据帧的帖子，但我还不确定如何将它们结合在一起。很抱歉没有提供代码示例。
示例：
（输入）：
begin, end, userA, userB
130, 300, 1, 2
（输出）：
time, user, interaction
...
130, 1, yes
130, 2, yes
131, 1, yes
131, 2, yes
...
300, 1, yes
300, 2, yes
301, 1, no
301, 2, no
有人能给我指出正确的方向，例如：我应该看的方法吗？
假设您有以下源 DF：
In [134]: df
Out[134]:
begin end userA userB
0 130 134 1 2
1 201 203 5 1
2 333 334 2 5
我们可以做到以下几点：
time_range = np.arange(0, 1001)
dfs = []
for u in df[['userA','userB']].stack().unique():
dfs.append(pd.DataFrame({'time':time_range,
'user':[u] * len(time_range),
'interaction': ['no'] * len(time_range)}))
rep = pd.concat(dfs, ignore_index=True)
for i,r in df.iterrows():
qry = 'user in {} and {} <= time <= {}'.format([r.userA, r.userB], r.begin, r.end)
print('Query: [{}]'.format(qry))
rep.ix[rep.eval(qry), 'interaction'] = 'yes'
输出：
Query: [user in [1, 2] and 130 <= time <= 134]
Query: [user in [5, 1] and 201 <= time <= 203]
Query: [user in [2, 5] and 333 <= time <= 334]
检查：
In [133]: rep[rep.interaction == 'yes']
Out[133]:
interaction time user
130 yes 130 1
131 yes 131 1
132 yes 132 1
133 yes 133 1
134 yes 134 1
201 yes 201 1
202 yes 202 1
203 yes 203 1
1131 yes 130 2
1132 yes 131 2
1133 yes 132 2
1134 yes 133 2
1135 yes 134 2
1334 yes 333 2
1335 yes 334 2
2203 yes 201 5
2204 yes 202 5
2205 yes 203 5
2335 yes 333 5
2336 yes 334 5
我对 pandas 还很陌生，所以请多多包涵。我有一个带有交互数据的数据框（交互的开始时间、交互的结束时间、进行交互的用户 A 和用户 B）：
begin, end, userA, userB.
现在我想将此数据转换为以下格式（从 0 到 x 的时间，一个用户的 userId，如果有交互则为布尔值 yes 或 no）。
time, userId, interaction.
我看到一些关于使用 np.where 的条件数据帧的帖子，但我还不确定如何将它们结合在一起。很抱歉没有提供代码示例。
示例： （输入）：
begin, end, userA, userB
130, 300, 1, 2
（输出）：
time, user, interaction
...
130, 1, yes
130, 2, yes
131, 1, yes
131, 2, yes
...
300, 1, yes
300, 2, yes
301, 1, no
301, 2, no
有人能给我指出正确的方向，例如：我应该看的方法吗？
假设您有以下源 DF：
In [134]: df
Out[134]:
begin end userA userB
0 130 134 1 2
1 201 203 5 1
2 333 334 2 5
我们可以做到以下几点：
time_range = np.arange(0, 1001)
dfs = []
for u in df[['userA','userB']].stack().unique():
dfs.append(pd.DataFrame({'time':time_range,
'user':[u] * len(time_range),
'interaction': ['no'] * len(time_range)}))
rep = pd.concat(dfs, ignore_index=True)
for i,r in df.iterrows():
qry = 'user in {} and {} <= time <= {}'.format([r.userA, r.userB], r.begin, r.end)
print('Query: [{}]'.format(qry))
rep.ix[rep.eval(qry), 'interaction'] = 'yes'
输出：
Query: [user in [1, 2] and 130 <= time <= 134]
Query: [user in [5, 1] and 201 <= time <= 203]
Query: [user in [2, 5] and 333 <= time <= 334]
检查：
In [133]: rep[rep.interaction == 'yes']
Out[133]:
interaction time user
130 yes 130 1
131 yes 131 1
132 yes 132 1
133 yes 133 1
134 yes 134 1
201 yes 201 1
202 yes 202 1
203 yes 203 1
1131 yes 130 2
1132 yes 131 2
1133 yes 132 2
1134 yes 133 2
1135 yes 134 2
1334 yes 333 2
1335 yes 334 2
2203 yes 201 5
2204 yes 202 5
2205 yes 203 5
2335 yes 333 5
2336 yes 334 5