使用Pandas加载CSV后按用户ID分组、按时间及CampaignID整理数据

嘿，我来帮你搞定这个数据整理需求！针对你给出的CSV结构和预期输出，咱们可以分几步用Pandas轻松实现：

1. 加载CSV并解析日期列 #

首先加载文件时，记得把date列解析成datetime类型，这样后续按时间排序才会准确：

import pandas as pd

# 加载CSV，自动将date列解析为datetime格式
df = pd.read_csv('your_data.csv', parse_dates=['date'])

2. 按用户分组并按时间排序 #

接下来先按user_id分组，同时在每个用户组内按date（时间）排序，确保数据是按时间顺序排列的：

# 先按user_id分组，再按date从小到大排序
df_sorted = df.sort_values(by=['user_id', 'date'])

3. 整理成预期格式（重复user_id仅显示一次） #

为了让每个user_id只在第一行显示，后续行留空，咱们可以用where方法处理重复值，同时把campaign_id重命名为你想要的ad_campaign：

# 只保留每个user_id的首次出现值，其余行设为空字符串
df_sorted['user_id'] = df_sorted['user_id'].where(df_sorted['user_id'] != df_sorted['user_id'].shift(), '')

# 重命名列名匹配预期格式
df_final = df_sorted.rename(columns={'campaign_id': 'ad_campaign'})

4. 查看最终结果 #

最后输出整理好的数据，用to_string(index=False)去掉索引，就能得到你想要的格式：

print(df_final.to_string(index=False))

运行后输出的结果会是这样：

user_id                 date ad_campaign
151312395 2018-01-10 00:21:09       GOOGLE
          2018-01-10 00:21:19       GOOGLE
          2018-01-10 00:21:32       GOOGLE

如果你的CSV里有多个不同的user_id，这个方法也能自动处理每个用户组的独立排序和格式整理哦～

内容的提问来源于stack exchange，提问作者Laila Van Ments