如何根据熊猫的时差为用户设置会话

Posted 2023-03-12

【中文标题】如何根据熊猫的时差为用户设置会话

【英文标题】：How to set session for user basing on time difference in pandas

【发布时间】：2019-07-17 21:57:58

【问题描述】：

我有一个具有这种结构的数据框（按 user_id、事件时间排序）：

用户 ID 事件时间（以毫秒为单位） 每个 user_id 的先前事件和当前事件之间的时间差（以秒为单位）

例如 user_1 1550844324011 - 用户 1 1550844504351 180

user_2 1550807681932 - 用户_2 1550807780002 98 user_2 1550809800005 2020 用户_2 1550819800005 10000

然后我想在新列中为每个 user_id 设置会话 ID。接下来是逻辑：如果事件之间的时间差超过 900 秒，那么我应该为用户设置新的 session_id。所以结果应该是下一个：

user_1 1550844324011 - 1 user_1 1550844504351 180 1

user_2 1550807681932 - 1 用户_2 1550807780002 98 1 用户_2 1550809800005 2020 2 用户_2 1550819800005 10000 3

我怎样才能正确地做到这一点？请帮帮我。 谢谢

【参考方案1】：

这应该可以工作

# Sorting is needed, otherwise .diff() will output wrong results
df = df.sort_values(['user_id', 'timestamp'])

# Timestamp diff in seconds
diff_timestamp = df.groupby('user_id')['timestamp'].diff() / 1000

# indexes where new session_id will be created
new_session = (diff_timestamp.isnull()) | (diff_timestamp > 900)

# Create unique session_id for every user
df['session_id'] = df.loc[new_session, ['user_id', 'timestamp']] \
    .groupby('user_id').rank(method='first').astype(int)

# Propagate last valid observation forward (replace NaN)
df['session_id'] = df['session_id'].fillna(method='ffill').astype(int)

---

在small talk 之后，如果使用.diff()，请确保该列是数字！

【讨论】：

感谢您的帮助！但是第二行“diff_timestamp = df.groupby('user_id').diff()['timestamp']”有问题。发生错误

'df['session_id'] = df[new_session].groupby('user_id').rank(method='first').astype(int)' - ' 'NoneType' 对象不可调用'。无法理解原因

你能把你的数据集上传到某个地方吗？您使用的是哪个熊猫版本？ pd.__version__

已上传数据集样本drive.google.com/file/d/1k865mUyiBd0ohhs5ezDxwgCmJ3qph6PP/…。

Pandas 版本为 0.23