计算用户在日期范围内登录的总时数

Question

我有关于unix时间戳中的用户事件日志的数据如下：

data = {'id': [533815001,533815001,533815001,533815001,533815001,533815001,
              533815003,533815003,533815003,533815003,533815003,533815003],
 'start_time': [1459181400, 1459182480, 1459185780,1459494634,1459496914,1459498354,
                1459837648, 1459838908, 1459840108,1461578728,1461579508,1461581428,]
}

df = pd.DataFrame(data)
df

        id      start_time
0   533815001   1459181400
1   533815001   1459182480
2   533815001   1459185780
3   533815001   1459494634
4   533815001   1459496914
5   533815001   1459498354
6   533815003   1459837648
7   533815003   1459838908
8   533815003   1459840108
9   533815003   1461578728
10  533815003   1461579508
11  533815003   1461581428

我想知道用户在一个日期范围内活动的总小时数。因此，我从start_time中添加了start_time列，如下所示：

df['date'] = pd.to_datetime(df.start_time, unit='s')
df
id  start_time  date
0   533815001   1459181400  2016-03-28 16:10:00
1   533815001   1459182480  2016-03-28 16:28:00
2   533815001   1459185780  2016-03-28 17:23:00
3   533815001   1459494634  2016-04-01 07:10:34
4   533815001   1459496914  2016-04-01 07:48:34
5   533815001   1459498354  2016-04-01 08:12:34
6   533815003   1459837648  2016-04-05 06:27:28
7   533815003   1459838908  2016-04-05 06:48:28
8   533815003   1459840108  2016-04-05 07:08:28
9   533815003   1461578728  2016-04-25 10:05:28
10  533815003   1461579508  2016-04-25 10:18:28
11  533815003   1461581428  2016-04-25 10:50:28

可以看到，用户533815001通过17h23 (1小时13分钟)在16h10的2016-03-28上活动。也可以在2016-04-01 at 07h10通过08h12 (1小时2分钟)。

类似地，用户533815003在06h27的2016-4-05上通过07h08登录(41分钟)，在2016-4-25上通过10h50登录(45分钟)。

如果我想知道用户在active).

• Total之前花费了多少小时，那就是1.13minutes (只有用户533815001是活动的，直到2016-4-02是1h-13min + 41min = 1h.54minutes.

• Between 2016-4-1，2016-4-10是1h02mins + 41mins = 1h43mins.

• and等等…

F 235

我该怎么做这种分析呢？

Answer 1

IIUC，您可以将groupby与自定义Grouper一起使用，然后将最小项和最大项保留一天，并计算差异：

out = (df.groupby(['id', pd.Grouper(freq='D', key='date')])['date']
         .agg(['min', 'max']).diff(axis=1)['max']
         .rename('active_time').reset_index())
print(out)

# Output
          id       date     active_time
0  533815001 2016-03-28 0 days 01:13:00
1  533815001 2016-04-01 0 days 01:02:00
2  533815003 2016-04-05 0 days 00:41:00
3  533815003 2016-04-25 0 days 00:45:00