teratail
回答率
85.37%
teratail 10th-anniversary
teratail 10th-anniversary
質問するログイン新規登録
トップPythonに関する質問【Pandas】一致したユーザとプロセス番号から状態(START, END)を横方向に時系列データを並べたい

編集履歴

回答編集履歴

5

2024/06/17 06:20

投稿

melian
melian

スコア20574

test CHANGED
@@ -11,14 +11,14 @@
11
11
  2024/06/12 9:10:20,AAA,100,START
12
12
  2024/06/12 9:15:20,AAA,200,START
13
13
  2024/06/12 9:20:10,AAA,200,END
14
+ 2024/06/12 10:00:00,AAA,,END
14
- 2024/06/12 10:00:00,AAA,100,START
15
+ 2024/06/12 11:20:10,AAA,100,START
15
- 2024/06/12 11:20:10,AAA,100,END
16
16
  2024/06/12 12:20:10,AAA,100,END
17
17
  2024/06/12 13:10:00,AAA,100,START
18
18
  2024/06/12 14:30:10,AAA,,END
19
19
  2024/06/12 15:00:00,AAA,100,START
20
+ 2024/06/12 15:30:00,AAA,,END
20
- 2024/06/12 15:30:00,AAA,100,START
21
+ 2024/06/12 16:20:10,AAA,100,START
21
- 2024/06/12 16:20:10,AAA,100,END
22
22
  2024/06/12 18:20:10,AAA,100,END
23
23
  '''
24
24
 
@@ -27,30 +27,29 @@
27
27
  print(df)
28
28
 
29
29
  #
30
- m = df['プロセス'].isna()
31
- idx = df[m].index
32
30
  df2 = pd.DataFrame()
31
+ for _, grp in df.groupby('ユーザ', as_index=False):
32
+ m = grp['プロセス'].isna()
33
+ idx = grp[m].index
33
- for nth, g in df[~m].groupby(m.cumsum()):
34
+ for nth, g in grp[~m].groupby(m.cumsum()):
34
- # pivot
35
+ # pivot
35
- key = g.groupby(['状態', 'ユーザ', 'プロセス']).cumcount()
36
+ key = g.groupby(['状態', 'プロセス']).cumcount()
36
- dfx = g.pivot_table(index=[key, 'ユーザ', 'プロセス'], columns='状態', values='日時')\
37
+ dfx = g.pivot_table(index=[key, 'ユーザ', 'プロセス'], columns='状態', values='日時').reset_index()
37
- .reset_index()[['ユーザ', 'プロセス', 'START', 'END']]
38
+ if 'END' not in dfx.columns: dfx['END'] = pd.NaT
38
- # NULL値を補完(最後のブロックは除く)
39
+ # NULL値を補完(最後のブロックは除く)
39
- if nth < len(idx):
40
+ if nth < len(idx):
40
- cond = dfx['END'].isna() & dfx['ユーザ'].eq(df.loc[idx[nth], 'ユーザ'])
41
+ dfx.loc[dfx['END'].isna(), 'END'] = grp.loc[idx[nth], '日時']
41
- dfx.loc[cond, 'END'] = df.loc[idx[nth], '日時']
42
- df2 = pd.concat([df2, dfx])
42
+ df2 = pd.concat([df2, dfx])
43
43
 
44
- df2 = df2.reset_index(drop=True)
44
+ df2 = df2[['ユーザ', 'プロセス', 'START', 'END']].reset_index(drop=True)
45
45
  print(df2)
46
46
  ```
47
-
48
47
  | ユーザ | プロセス | START | END |
49
48
  |:---------|-----------:|:--------------------|:--------------------|
50
- | AAA | 100 | 2024-06-12 09:10:20 | 2024-06-12 11:20:10 |
49
+ | AAA | 100 | 2024-06-12 09:10:20 | 2024-06-12 10:00:00 |
51
50
  | AAA | 200 | 2024-06-12 09:15:20 | 2024-06-12 09:20:10 |
52
- | AAA | 100 | 2024-06-12 10:00:00 | 2024-06-12 12:20:10 |
51
+ | AAA | 100 | 2024-06-12 11:20:10 | 2024-06-12 12:20:10 |
53
52
  | AAA | 100 | 2024-06-12 13:10:00 | 2024-06-12 14:30:10 |
54
- | AAA | 100 | 2024-06-12 15:00:00 | 2024-06-12 16:20:10 |
53
+ | AAA | 100 | 2024-06-12 15:00:00 | 2024-06-12 15:30:00 |
55
- | AAA | 100 | 2024-06-12 15:30:00 | 2024-06-12 18:20:10 |
54
+ | AAA | 100 | 2024-06-12 16:20:10 | 2024-06-12 18:20:10 |
56
55
 

4

2024/06/17 04:56

投稿

melian
melian

スコア20574

test CHANGED
@@ -37,7 +37,8 @@
37
37
  .reset_index()[['ユーザ', 'プロセス', 'START', 'END']]
38
38
  # NULL値を補完(最後のブロックは除く)
39
39
  if nth < len(idx):
40
- dfx.loc[dfx['END'].isna(), 'END'] = df.loc[idx[nth], '日時']
40
+ cond = dfx['END'].isna() & dfx['ユーザ'].eq(df.loc[idx[nth], 'ユーザ'])
41
+ dfx.loc[cond, 'END'] = df.loc[idx[nth], '日時']
41
42
  df2 = pd.concat([df2, dfx])
42
43
 
43
44
  df2 = df2.reset_index(drop=True)

3

2024/06/17 04:24

投稿

melian
melian

スコア20574

test CHANGED
@@ -30,7 +30,7 @@
30
30
  m = df['プロセス'].isna()
31
31
  idx = df[m].index
32
32
  df2 = pd.DataFrame()
33
- for nth, (_, g) in enumerate(df[~m].groupby(m.cumsum())):
33
+ for nth, g in df[~m].groupby(m.cumsum()):
34
34
  # pivot
35
35
  key = g.groupby(['状態', 'ユーザ', 'プロセス']).cumcount()
36
36
  dfx = g.pivot_table(index=[key, 'ユーザ', 'プロセス'], columns='状態', values='日時')\

2

2024/06/17 04:00

投稿

melian
melian

スコア20574

test CHANGED
@@ -1,60 +1,55 @@
1
- ※ 「期待するデータ」と同じ結果となる様に CSV データを一部変更しています
1
+ > 改めて以下のデータで確認したところ、期待通りに動作しませんでした。
2
+
3
+ 当初、プロセスの値が NULL であるデータの時刻以降にある"END"状態のデータも組み合わせの対象にするのかと思っていたのですが、NULL値のデータが出現するまでの範囲内で組み合わせるとのことなので、以下の様に書き換えました。
4
+
2
5
  ```python
3
6
  import pandas as pd
4
7
  import io
5
8
 
6
9
  csv_data = '''
7
10
  日時,ユーザ,プロセス,状態
8
- 2024/06/12 9:10:20,AAA,50,START
11
+ 2024/06/12 9:10:20,AAA,100,START
12
+ 2024/06/12 9:15:20,AAA,200,START
9
- 2024/06/12 9:20:10,AAA,50,END
13
+ 2024/06/12 9:20:10,AAA,200,END
10
14
  2024/06/12 10:00:00,AAA,100,START
11
- 2024/06/12 10:10:00,AAA,200,START
12
- 2024/06/12 10:20:10,AAA,300,START
13
- 2024/06/12 10:30:10,AAA,,END
15
+ 2024/06/12 11:20:10,AAA,100,END
14
- 2024/06/12 12:00:10,AAA,100,START
15
- 2024/06/12 12:10:20,AAA,200,START
16
16
  2024/06/12 12:20:10,AAA,100,END
17
+ 2024/06/12 13:10:00,AAA,100,START
18
+ 2024/06/12 14:30:10,AAA,,END
19
+ 2024/06/12 15:00:00,AAA,100,START
20
+ 2024/06/12 15:30:00,AAA,100,START
17
- 2024/06/12 12:40:50,AAA,200,END
21
+ 2024/06/12 16:20:10,AAA,100,END
18
- 2024/06/12 16:10:20,BBB,500,START
19
- 2024/06/12 16:20:10,BBB,500,END
22
+ 2024/06/12 18:20:10,AAA,100,END
20
- 2024/06/13 8:10:20,CCC,500,START
21
23
  '''
22
24
 
23
25
  df = pd.read_csv(io.StringIO(csv_data), dtype=str)
24
26
  df['日時'] = pd.to_datetime(df['日時'])
25
27
  print(df)
26
28
 
27
- # 最初に「ユーザ」と「プロセス」でグループ化、次に各グループにおいて「状態」が
29
+ #
28
- # START と END のペアになっていない(START だけしかない)行のインデックスを抽出
29
30
  m = df['プロセス'].isna()
30
- idx = [[i.index[0]
31
+ idx = df[m].index
32
+ df2 = pd.DataFrame()
33
+ for nth, (_, g) in enumerate(df[~m].groupby(m.cumsum())):
34
+ # pivot
31
- for _, i in g.groupby((g['状態'] == 'START').cumsum())
35
+ key = g.groupby(['状態', 'ユーザ', 'プロセス']).cumcount()
32
- if len(i) == 1]
36
+ dfx = g.pivot_table(index=[key, 'ユーザ', 'プロセス'], columns='状態', values='日時')\
33
- for k, g in df[~m].groupby(['ユーザ', 'プロセス'])]
37
+ .reset_index()[['ユーザ', 'プロセス', 'START', 'END']]
38
+ # NULL値を補完(最後のブロックは除く)
39
+ if nth < len(idx):
40
+ dfx.loc[dfx['END'].isna(), 'END'] = df.loc[idx[nth], '日時']
34
- idx = sorted(i for i in sum(idx, []))
41
+ df2 = pd.concat([df2, dfx])
35
42
 
36
- # 「状態」が START だけしかない行に対応する END 行を元のデータフレームに追加
37
- n = df[m].index.to_list()
38
- grp = [[k for k in idx if i <= k <= j] for i, j in zip([0]+n, n)]
39
- df2 = pd.concat([df[~m], *[df.loc[[i]].assign(プロセス = df.loc[k, 'プロセス'])
40
- for i, j in zip(n, grp) for k in j]])
41
- df2 = df2.sort_values('日時')
43
+ df2 = df2.reset_index(drop=True)
42
-
43
- # pivot
44
- df2['キー'] = df2.groupby(['状態', 'ユーザ', 'プロセス']).cumcount()
45
- df2 = df2.pivot_table(index=['キー', 'ユーザ', 'プロセス'], columns='状態', values='日時').reset_index()
46
- df2 = df2[['ユーザ', 'プロセス', 'START', 'END']]
47
44
  print(df2)
48
45
  ```
49
46
 
50
47
  | ユーザ | プロセス | START | END |
51
48
  |:---------|-----------:|:--------------------|:--------------------|
49
+ | AAA | 100 | 2024-06-12 09:10:20 | 2024-06-12 11:20:10 |
50
+ | AAA | 200 | 2024-06-12 09:15:20 | 2024-06-12 09:20:10 |
52
- | AAA | 100 | 2024-06-12 10:00:00 | 2024-06-12 10:30:10 |
51
+ | AAA | 100 | 2024-06-12 10:00:00 | 2024-06-12 12:20:10 |
53
- | AAA | 200 | 2024-06-12 10:10:00 | 2024-06-12 10:30:10 |
52
+ | AAA | 100 | 2024-06-12 13:10:00 | 2024-06-12 14:30:10 |
54
- | AAA | 300 | 2024-06-12 10:20:10 | 2024-06-12 10:30:10 |
55
- | AAA | 50 | 2024-06-12 09:10:20 | 2024-06-12 09:20:10 |
56
- | BBB | 500 | 2024-06-12 16:10:20 | 2024-06-12 16:20:10 |
57
- | CCC | 500 | 2024-06-13 08:10:20 | NaT |
58
- | AAA | 100 | 2024-06-12 12:00:10 | 2024-06-12 12:20:10 |
53
+ | AAA | 100 | 2024-06-12 15:00:00 | 2024-06-12 16:20:10 |
59
- | AAA | 200 | 2024-06-12 12:10:20 | 2024-06-12 12:40:50 |
54
+ | AAA | 100 | 2024-06-12 15:30:00 | 2024-06-12 18:20:10 |
60
55
 

1

2024/06/12 17:04

投稿

melian
melian

スコア20574

test CHANGED
@@ -36,8 +36,8 @@
36
36
  # 「状態」が START だけしかない行に対応する END 行を元のデータフレームに追加
37
37
  n = df[m].index.to_list()
38
38
  grp = [[k for k in idx if i <= k <= j] for i, j in zip([0]+n, n)]
39
- df2 = pd.concat([df[~m], *sum([[df.loc[[j]].assign(プロセス = df.loc[k, 'プロセス'])
39
+ df2 = pd.concat([df[~m], *[df.loc[[i]].assign(プロセス = df.loc[k, 'プロセス'])
40
- for k in grp[i]] for i, j in enumerate(n)], [])])
40
+ for i, j in zip(n, grp) for k in j]])
41
41
  df2 = df2.sort_values('日時')
42
42
 
43
43
  # pivot