如何为此列表的逻辑创建循环或函数

Question

我有一个数据集，如下所示：

CustomerID  EventID EventType   EventTime
6           1        Facebook    42373.31586
6           2        Facebook    42373.316
6           3        Web         42374.32921
6           4        Twitter     42377.14913
6           5        Facebook    42377.40598
6           6        Web         42378.31245

• CustomerID:与特定客户关联的唯一标识符
• EventID:特定在线活动的唯一标识符
• EventType:与此记录相关的在线活动类型(网络、Facebook或Twitter)
• EventTime:这种在线活动发生的日期和时间。这个值是以1900年1月1日以来的天数来衡量的，分数表示一天中的特定时间。例如，2016年1月1日午夜钟点发生的事件，EventTime为42370.00，而2016年1月1日中午发生的事件，EventTime为42370.50。

我成功地导入了CSV，并使用以下代码创建了一个列表：

# Import Libraries & Set working directory
import csv

# STEP 1:  READING THE DATA INTO A PYTHON LIST OF LISTS
f = open('test1000.csv', "r") # Import CSV as file type
a = f.read() # Convert file type into string
split_list = a.split("\r") # Removes \r
split_list[0:5] # Viewing the list

# Convert from lists to 'list of lists'
final_list = []
for row in split_list:
    split_list = row.split(',') # Split list by comma delimiter
    final_list.append(split_list) 
print(final_list[0:5])

#CREATING INITIAL BLANK LISTS FOR OUTPUTTING DATA
legit = [] 
fraud = []

接下来我要做的是把每条记录归类到欺诈或合法的名单中。在以下参数下，记录将被视为欺诈记录。因此，这一记录将被列入欺诈名单。

逻辑将一行分配给欺诈列表：CustomerID在过去4小时内执行相同的EventType。

例如，上面示例数据集中的第2行(事件2)将被移到欺诈列表中，因为事件1发生在最后4小时内。另一方面，事件4将进入合法列表，因为在过去的4个小时里没有Twitter记录。

数据集按时间顺序排列。

Answer 1

此解决方案由CustomerID和EventType分组，然后检查上一次事件发生时间是否小于4小时前(lt) (4. / 24)。

df['possible_fraud'] = (
    df.groupby(['CustomerID', 'EventType'])
      .EventTime
      .transform(lambda group: group - group.shift())
      .lt(4. / 24))

>>> df
   CustomerID  EventID EventType    EventTime possible_fraud
0           6        1  Facebook  42373.31586          False
1           6        2  Facebook  42373.31600           True
2           6        3       Web  42374.32921          False
3           6        4   Twitter  42377.14913          False
4           6        5  Facebook  42377.40598          False
5           6        6       Web  42378.31245          False

>>> df[df.possible_fraud]
   CustomerID  EventID EventType  EventTime possible_fraud
1           6        2  Facebook  42373.316           True

Answer 2

当然，基于熊猫的解决方案似乎更聪明，但这里有一个使用刚刚插入字典的例子。

PS试图自己执行输入和输出。

#!/usr/bin/python2.7

sample ="""
6           1        Facebook    42373.31586
6           2        Facebook    42373.316
6           3        Web         42374.32921
6           4        Twitter     42377.14913
5           5        Web         42377.3541
6           6        Facebook    42377.40598
6           7        Web         42378.31245
"""

last = {} # This dict will contain recent time 
#values of events by client ID, for ex.: 
#{"6": {"Facebook": 42373.31586, "Web": 42374.32921}}

legit = []
fraud = []

for row in sample.split('\n')[1:-1:]:
    Cid, Eid, Type, Time = row.split()
    if Cid not in last.keys():
        legit.append(row)
        last[Cid] = {Type: Time}    
        row += '\tlegit'
    else:   
        if Type not in last[Cid].keys():
            legit.append(row)
            last[Cid][Type] = Time
            row += '\tlegit'
        else:
            if float(Time) - float(last[Cid][Type]) > (4. / 24):
                legit.append(row)
                last[Cid][Type] = Time
                row += '\tlegit'
            else:
                fraud.append(row)
                row += '\tfraud'
    print row