时间序列DataFrame经groupby生成序列后导出CSV如何去掉user_session ID

首先修正你原有分组代码的语法错误：你写的groupby语句缺少闭合括号，修正后分组代码如下：

grouped_df = ( 
    df1.sort_values(['event_time'],ascending=True)
       .groupby(by='user_session')['event_type']
       .apply(list)
       .to_frame(name='sequences')
)

你导出CSV时自动带上的user_session是groupby生成的行索引，pandas的to_csv方法默认会导出索引列，只需要添加参数关闭索引导出即可。

方案1：直接导出仅保留序列列 #

不需要修改DataFrame结构，导出时添加index=False关闭行索引导出，同时添加header=False关闭表头导出，避免多余的列名行影响PrefixSpan输入：

grouped_df.to_csv('prefixspan_input.csv', index=False, header=False)

方案2：适配PrefixSpan输入格式优化 #

如果你的PrefixSpan实现需要纯行为序列、不需要列表的括号、引号格式，可以先把序列列的列表转换为分隔符拼接的字符串后再导出：

# 示例用空格作为行为分隔符，可根据需要替换为逗号等其他分隔符
grouped_df['sequences'] = grouped_df['sequences'].apply(lambda x: ' '.join(x))
# 导出无索引无表头的纯序列文件
grouped_df.to_csv('prefixspan_input.csv', index=False, header=False)

导出后的文件内容样例如下，完全满足PrefixSpan的输入要求：

view view purchase
view add view purchase
view
view view

内容的提问来源于stack exchange，提问作者Robin van Heesch