Python - 条件が満たされた特定の日付の後に行を返す

Question

私は約350k行と12列のクリックストリームデータであるデータフレームを持っています。以下は、データがどのように見えるかを簡略化したスニペットです。デバイスごとに、購入時間の後に表示されるすべての行を返したいと思います。

type_ deviceid campaign_   time 
    Click device_1 Campaign_1 11/16/16 14:07 
Purchase device_1 Campaign_6 11/18/16 16:26 
    Click device_1 Campaign_5 11/19/16 14:17 
    Click device_1 Campaign_1 11/19/16 14:30 
    Click device_2 Campaign_4 11/6/16 7:00 
Purchase device_2 Campaign_2 11/9/16 21:56 
    Click device_2 Campaign_2 11/10/16 5:17 
    Click device_2 Campaign_3 11/12/16 19:19 

私は私が必要とする結果を引っ張って.locを使用してみましたが、無駄にしました。誰かが私を正しい方向に向けることができますか、私は何をする必要があるか教えてください。

Answer 1

まず、各グループの行をフィルタリングする関数を定義します。

def after_purchase(rows): 
    # boolean mask indicating rows which are purchases 
    is_purchase = rows.type_ == 'Purchase' 

    # select timestamps from all purchases 
    purchase_times = rows.loc[is_purchase, 'time'] 

    # grab the first (earliest) purchase timestamp 
    first_purchase_time = purchase_times.min() 

    # return all rows which occurred after the first purchase 
    return rows.loc[rows.time > first_purchase_time] 

次に、デバイスIDでデータフレームをグループ化し、各グループに機能を適用します。購入時期は、列

df.groupby('deviceid').apply(after_purchase) 

  type_ deviceid campaign_    time 
deviceid             
device_1 2 Click device_1 Campaign_5 2016-11-19 14:17:00 
     3 Click device_1 Campaign_1 2016-11-19 14:30:00 
device_2 6 Click device_2 Campaign_2 2016-11-10 05:17:00 
     7 Click device_2 Campaign_3 2016-11-12 19:19:00