python - Python 中的 Panda SQL 分析大型数据集

Question

我有一个熊猫数据框，其中包含以下结构：

用户 ID EmailOpenRank
用户 1
1 用户 1 2 用户 1
3 用户 2 1 用户 2 2用户 3 1 用户 3 2 用户 3 4 用户 3 5 ......

---

“EmailOpenRank”字段捕获顺序事件 (DF)。如果数字按顺序出现，则表示 (1,2, 3) 用户按顺序打开电子邮件的次数。我在描述中提供了示例。问题是在 1000 万用户中，什么是合适的 SQL 查询（Pandasql），这样我可以告诉 900 万人连续打开 3 封电子邮件，100 万人连续打开 4 封电子邮件。

使用 pandasql，我想从“EmailOpenRank”列中计算出打开 2 个连续电子邮件、3 个连续电子邮件、4 个连续电子邮件等的用户总数。例如，根据排名，User1 连续打开了 3 封邮件，User2 连续打开了 2 封邮件，User3 连续打开了 4 封邮件。

我怎样才能开始呢？

标签： pythonpandaspandasql