我有一些轨迹是由集群之间的移动创建的，例如：
user_id,trajectory
11011,[[[86], [110], [110]]
2139671,[[89], [125]]
3945641,[[36], [73], [110], [110]]
10024312,[[123], [27], [97], [97], [97], [110]]
14270422,[[0], [110], [174]]
14283758,[[110], [184]]
14317445,[[50], [88]]
14331818,[[0], [22], [36], [131], [131]]
14334591,[[107], [19]]
14373703,[[35], [97], [97], [97], [17], [58]]
我想将多个动作的轨迹分割成单独的片段，但我不确定如何分割。
例子：
14373703,[[35], [97], [97], [97], [17], [58]]
进入之内
14373703,[[35,97], [97,97], [97,17], [17,58]]
其目的是利用这些边作为NetworkX中的边，将它们作为图进行分析，并识别各个簇（节点）之间的密集移动（边）。
这是我最初用来创建轨迹的代码：
# Import Data
data = pd.read_csv('G:\Programming Projects\GGS 681\dmv_tweets_20170309_20170314_cluster_outputs.csv', delimiter=',', engine='python')
#print len(data),"rows"
# Create Data Fame
df = pd.DataFrame(data, columns=['user_id','timestamp','latitude','longitude','cluster_labels'])
# Filter Data Frame by count of user_id
filtered = df.groupby('user_id').filter(lambda x: x['user_id'].count()>1)
#filtered.to_csv('G:\Programming Projects\GGS 681\dmv_tweets_20170309_20170314_final_filtered.csv', index=False, header=True)
# Get a list of unique user_id values
uniqueIds = np.unique(filtered['user_id'].values)
# Get the ordered (by timestamp) coordinates for each user_id
output = [[id,filtered.loc[filtered['user_id']==id].sort_values(by='timestamp')[['cluster_labels']].values.tolist()] for id in uniqueIds]
# Save outputs as csv
outputs = pd.DataFrame(output)
#print outputs
headers = ['user_id','trajectory']
outputs.to_csv('G:\Programming Projects\GGS 681\dmv_tweets_20170309_20170314_cluster_moves.csv', index=False, header=headers)
如果这样拆分是可能的，那么可以在处理期间而不是事后完成吗我想在创建时执行它，以消除任何后处理。
最佳答案
我认为您可以将groupby与apply一起使用，将自定义函数与zip一起使用，以便在必要的列表理解中输出列表：
注意：count函数返回所有的noNaN值，如果通过不带nan better的length过滤是len。
#filtering and sorting
filtered = df.groupby('user_id').filter(lambda x: len(x['user_id'])>1)
filtered = filtered.sort_values(by='timestamp')
f = lambda x: [list(a) for a in zip(x[:-1], x[1:])]
df2 = filtered.groupby('user_id')['cluster_labels'].apply(f).reset_index()
print (df2)
user_id cluster_labels
0 11011 [[86, 110], [110, 110]]
1 2139671 [[89, 125]]
2 3945641 [[36, 73], [73, 110], [110, 110]]
3 10024312 [[123, 27], [27, 97], [97, 97], [97, 97], [97,...
4 14270422 [[0, 110], [110, 174]]
5 14283758 [[110, 184]]
6 14373703 [[35, 97], [97, 97], [97, 97], [97, 17], [17, ...
类似的解决方案，过滤是最后一步：
filtered = filtered.sort_values(by='timestamp')
f = lambda x: [list(a) for a in zip(x[:-1], x[1:])]
df2 = filtered.groupby('user_id')['cluster_labels'].apply(f).reset_index()
df2 = df2[df2['cluster_labels'].str.len() > 0]
print (df2)
user_id cluster_labels
1 11011 [[86, 110], [110, 110]]
2 2139671 [[89, 125]]
3 3945641 [[36, 73], [73, 110], [110, 110]]
4 10024312 [[123, 27], [27, 97], [97, 97], [97, 97], [97,...
5 14270422 [[0, 110], [110, 174]]
6 14283758 [[110, 184]]
7 14373703 [[35, 97], [97, 97], [97, 97], [97, 17], [17, ...