在 Pandas 中，如何找到一列中每個鍵的每第三行並添加帶有第三行信息的新列？

Question

輸入：

用戶身份	時間戳
一個	2021-01-17 14:46:26
一個	2021-01-17 14:47:27
一個	2021-01-17 14:48:27
一個	2021-01-17 14:49:27
一個	2021-01-17 14:50:27
乙	2021-02-03 19:29:34
乙	2021-02-03 19:30:34
乙	2021-02-03 19:31:34
乙	2021-02-03 19:32:33
乙	2021-02-03 19:33:33
乙	2021-02-03 19:34:33
C	2021-02-04 16:44:29
C	2021-02-04 16:45:30
C	2021-02-04 16:46:29
C	2021-02-04 16:47:29
C	2021-02-04 16:48:28
C	2021-02-04 16:49:29
C	2021-02-04 16:50:29

預期 Output：

用戶身份	時間戳	時間戳2
一個	2021-01-17 14:46:26	2021-01-17 14:48:27
一個	2021-01-17 14:48:27	2021-01-17 14:50:27
乙	2021-02-03 19:29:34	2021-02-03 19:31:34
乙	2021-02-03 19:31:34	2021-02-03 19:33:33
乙	2021-02-03 19:33:33	2021-02-03 19:34:33
C	2021-02-04 16:44:29	2021-02-04 16:46:29
C	2021-02-04 16:46:29	2021-02-04 16:48:28
C	2021-02-04 16:48:28	2021-02-04 16:50:29
C	2021-02-04 16:50:29	2021-02-04 16:50:29

像 B 和 C 一樣，如果剩下的第 3 行不夠，可以選擇最接近的一個並將時間戳放入新列中。

謝謝！

Answer 1

1. calc, cumcount() // 3 user_id中每 3 行 3
2. 那么這是一個簡單的groupby()與first和last

df = pd.read_csv(io.StringIO("""user_id timestamp
A   2021-01-17 14:46:26
A   2021-01-17 14:47:27
A   2021-01-17 14:48:27
A   2021-01-17 14:49:27
A   2021-01-17 14:50:27
B   2021-02-03 19:29:34
B   2021-02-03 19:30:34
B   2021-02-03 19:31:34
B   2021-02-03 19:32:33
B   2021-02-03 19:33:33
B   2021-02-03 19:34:33
C   2021-02-04 16:44:29
C   2021-02-04 16:45:30
C   2021-02-04 16:46:29
C   2021-02-04 16:47:29
C   2021-02-04 16:48:28
C   2021-02-04 16:49:29
C   2021-02-04 16:50:29"""), sep="\t")

df.timestamp=pd.to_datetime(df.timestamp)
df2 = (df.assign(grp=df.groupby("user_id")["user_id"].cumcount()//3)
 .groupby(["user_id","grp"])["timestamp"].agg(timestamp="first",timestamp2="last")
 .reset_index()
 .drop(columns="grp")
)

用戶身份	時間戳	時間戳2
一個	2021-01-17 14:46:26	2021-01-17 14:48:27
一個	2021-01-17 14:49:27	2021-01-17 14:50:27
乙	2021-02-03 19:29:34	2021-02-03 19:31:34
乙	2021-02-03 19:32:33	2021-02-03 19:34:33
C	2021-02-04 16:44:29	2021-02-04 16:46:29
C	2021-02-04 16:47:29	2021-02-04 16:49:29
C	2021-02-04 16:50:29	2021-02-04 16:50:29