重复用户request_time的时间差

Question

我是 Python 新手，需要您的帮助。

我正在从事一个零售组织的项目。下面提到的数据框显示了“user_ID”，其中包含仅访问公司网站一次的用户和多次访问网站的用户。您可以看到索引 3,4 具有相同的 user_ID。索引 5,6 的情况也是如此。我需要为重复用户找到request_time_difference。即重复用户在多少时间间隔后访问该网站（任何时间单位都可以接受）。

    user_ID    request_time 
0   4c3d6d10c2 3/1/2018 23:57

1   2791ec4485 3/1/2018 22:10   

2   eb0718c1c9 3/1/2018 16:34   

3   59f84cf342 3/1/2018 22:20   

4   59f84cf342 3/1/2018 22:19   

5   a11e41cdc2 3/1/2018 8:08    

6   a11e41cdc2 3/1/2018 8:13    

7   9568fb8647 3/1/2018 15:04

8   2791ec4485 3/1/2018 13:50

9   2791ec4485 3/1/2018 13:53

10  2791ec4485 3/1/2018 13:51

11  2791ec4485 3/1/2018 13:55

Answer 1

IIUC，这就是你要找的东西

df.request_time = pd.to_datetime(df.request_time)
b = df.loc[df.user_ID.duplicated(keep=False)].sort_values(['request_time']).reset_index(drop=True)
c = b.groupby(['user_ID'],sort=True)['request_time'].diff().reset_index(name='diff').reset_index(drop=True)
b.merge(c, on=b.index).drop(['key_0','index'],axis=1)

输出

       user_ID  request_time            diff
0   a11e41cdc2  2018-03-01 08:08:00     NaT
1   a11e41cdc2  2018-03-01 08:13:00     00:05:00
2   2791ec4485  2018-03-01 13:50:00     NaT
3   2791ec4485  2018-03-01 13:51:00     00:01:00
4   2791ec4485  2018-03-01 13:53:00     00:02:00
5   2791ec4485  2018-03-01 13:55:00     00:02:00
6   2791ec4485  2018-03-01 22:10:00     08:15:00
7   59f84cf342  2018-03-01 22:19:00     NaT
8   59f84cf342  2018-03-01 22:20:00     00:01:00