Estoy empezando a usar pandas y me he atascado en un problema que, seguramente, sea una tontería pero no veo como salir.
La idea es sencilla: para los datos de registro de un examen de Moodle saber cuánto tiempo ha empleado en cada pregunta el alumno. Tras procesar el log original de moodle, puedo crear una BD de este tipo
Datos de ejemplo (2 alumnos, 4 preguntas)
import pandas as pd
original= [{"Student":"S1","Send":"0:00:00"},{"Student":"S1","Send":"0:01:00"},{"Student":"S1","Send":"0:02:00"},{"Student":"S1","Send":"0:04:00"},{"Student":"S1","Send":"0:05:00"},{"Student":"S2","Send":"0:00:00"},{"Student":"S2","Send":"0:02:00"},{"Student":"S2","Send":"0:04:00"},{"Student":"S2","Send":"0:04:00"},{"Student":"S2","Send":"0:05:00"}]
df = pd.DataFrame(original)
df['Send'] =pd.to_datetime(df['Send'], format='%H:%M:%S') - pd.to_datetime(df['Send'], format='%H:%M:%S').dt.normalize()
df['diff'] = df.sort_values(['Student','Send']).groupby('Student')['Send'].diff()
df
donde Send es la hora de envio de la respuesta y diff es el tiempo entre un envío y el siguiente:
Send Student diff
0 00:00:00 S1 NaT
1 00:01:00 S1 00:01:00 # Send[1]-Send[0]= Tiempo de respuesta de S1 a P1
2 00:02:00 S1 00:01:00
3 00:04:00 S1 00:02:00
4 00:05:00 S1 00:01:00
5 00:00:00 S2 NaT
6 00:02:00 S2 00:02:00
7 00:04:00 S2 00:02:00
8 00:04:00 S2 00:00:00
9 00:05:00 S2 00:01:00
Mme he atascado a la hora de crear un nuevo dataframe similar a este, donde se agrupe por pregunta los tiempos de respuesta
Student | P1 | P2 | P3 | P4
---------|---------|---------|---------|---------
S1 | 0:01:00 | 0:01:00 | 0:02:00 | 0:01:00
S2 | 0:02:00 | 0:02:00 | 0:00:00 | 0:01:00
Cualquier pista es bien recibida. Gracias.