Python :挖掘时间有序序列的方法
Python :挖掘时间有序序列的方法
提问于 2020-09-14 14:37:00
我有一个如下所示的数据集：
timestamp event
12/1/2020 14:30 A
12/1/2020 14:12 C
12/1/2020 14:10 A
12/1/2020 12:01 B
11/1/2020 21:20 A
11/1/2020 21:00 B
..... ...events是用户在应用程序上的操作。timestamp是引发该特定事件的时候。我想挖掘数据中的事件序列，以找出用户的工作流程(带有时间限制的市场篮子分析？)从用户开始使用应用程序之日起就已在应用程序中。
解决这个问题的正确方法是什么？是否有允许我将序列挖掘作为黑匣子应用的库？？
回答 1
Data Science用户
发布于 2020-09-14 16:28:15
- Tru从datetime列中生成一些特性- attr =
你可以谷歌搜索关于制作日期功能。2)找出事件的累积和-
cumsum_df_all = df.groupby('column')[other-columns].cumsum()
cumsum_14_day = (df.groupby('column')[other-columns].rolling(14, min_periods=1).sum().reset_index(0, drop=True)就像wise 7,3,1天一样，只要看看数据有多频繁，它就会快速变化。
- 同样，查找roling std dev。还有艾格。
rolling_avg_14_day = (df.groupby('column').rolling(14，min_periods=1).mean().reset_index(0，drop=True))
相应地设置滚动周期。
- 查找特定时间段的事件值之间的差异- diff_7_day = df.groupby('column').diff(periods=7)
基本上，我们试图将时间有序序列转化为线性回归问题。
页面原文内容由Data Science提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://datascience.stackexchange.com/questions/81688
复制相关文章
相似问题
腾讯云开发者
