グループの抽出　演習

次のような、あるジムの利用ログのデータがあります。データは列利用日でソートされています。

• 利用者IDと利用日が同じ組み合わせの行はありません。たとえば、「利用者IDがU0001かつ利用日が2022/02/01」のデータは1行だけです。
• 欠損値はありません。

次の条件に当てはまるグループのデータを抽出してください。

（1）利用者が3人（3種類）以上いた日のデータ

利用者が3人以上いた日のデータだけを抽出して、変数result_df_1に格納してください。なお、ここでの「利用者が3人以上いる」とは、「列利用者IDの種類数が3以上であること」を意味します。

（2） 120分以上利用したログが2件以上ある利用者のデータ

120分以上利用したログが2件以上ある利用者のデータだけを抽出して、変数result_df_2に格納してください。

解答

import pandas as pd

# ジムの利用履歴データを読み込み
df = pd.read_csv("dataset/gym_log.csv", index_col="ログID")
# 先頭5行を確認
df.head()

(1) 利用者が3人（3種類）以上いた日のデータ

# 利用日ごとに抽出するかどうかを判定するので、
# 列「利用日」でグループ化
grouped_date = df.groupby("利用日")


def is_many_users_day(g_df):
    # 利用者のユニーク数が3以上
    return g_df["利用者ID"].nunique() >= 3


# 抽出対象かどうか判定する関数を適用
result_df_1 = grouped_date.filter(is_many_users_day)
result_df_1

Out[2]:

(2) 120分以上利用したログが2件以上ある利用者のデータ

# 利用者ごとに抽出するかどうかを判定するので、
# 列「利用者ID」でグループ化
grouped_user = df.groupby("利用者ID")


def is_long_time_user(g_df):
    # 120分以上の利用したログが2件以上あるかどうかを判定する関数
　　g_df["利用時間（分）"] >= 120　で　120以上の要素はTrue,未満はFalseになる。
    sum()は合計を計算する（Trueは1、Falseは0として計算される）
　　もし、ここでcount()を使用すると、数を数えるので、TrueもFalseも1になる。
    # 120分以上利用したログの件数を計算
    count = (g_df["利用時間（分）"] >= 120).sum()
    return count >= 2  # 2件以上あるかどうか


# 抽出対象かどうか判定する関数を適用
result_df_2 = grouped_user.filter(is_long_time_user)
result_df_2