如何获得用于用户会话的Pandas TimeSeries (使用Pandas或Numpy)

Question

我有一些数据，其中有一系列用户的登录和注销时间。

输入：

        Login        Logout
User_1  10:25AM      6:01PM
User_2  8:58AM       5:12PM
User_3  9:23AM       1:35PM
User_3  3:10PM       4:49PM

我希望能够找到在一段时间内登录的用户数量(例如，每小时)。

我希望能够将此与我在Pandas中拥有的相同时期的其他数据相关联，例如，在此期间发生的"Foo“事件的数量。

期望产出：

          Num Logged In   Foo Event Count
9:00AM                1                11
10:00AM               2                17
11:00AM               3                28
12:00PM               3                26
1:00PM                3                22
2:00PM                2                15
3:00PM                2                15
4:00PM                3                22
5:00PM                2                13

在最简单的情况下，我可以得到在上午10:00登录的用户数量，这将是一个有用的开始。如果我在查看数据到日周期的重新采样，那么我需要更聪明一些，看看最大的同时登录，或者9:00到5:00 of之间的平均同时登录数。

显然，我可以编写简单的Python，考虑到我在Pandas中重新采样的时间，它可以给我所需的系列，但是我想知道Pandas中是否有一个技巧可以帮助我，或者我可以在Numpy中做一些事情，因为我想将它应用于大型数据集(数百名用户，数千天，每天多次登录/退出)。

Answer 1

我发现了一种似乎很有效的方法：

假设我们可以将登录/注销数据转换为两个按时间索引的DataFrames：

Login    UserLogin
-------- ---------
8:58AM   User_2    
9:23AM   User_3    
10:25AM  User_1    
3:10PM   User_3    

Logout   UserLogout
-------- ----------
1:35PM   User_3
4:49PM   User_3
5:12PM   User_2
6:01PM   User_1

然后，我们可以为每个表添加一个额外的列:1用于登录，-1用于注销：

login['AvailabilityDelta'] = 1
logout['AvailabilityDelta'] = -1

然后，我们可以在这两个表上执行一个外部连接，并填充用0创建的连接的NA值：

events = login.join(logout, how='outer')
events.fillna(value=0, inplace=True)

然后，在新加入的"Events“DataFrame上，我们创建一个"AvailabilityDelta”列，它是" login“和" logout”列的总和(来自我们前面添加的登录和注销DataFrames +1s和-1s )：

events['AvailabilityDelta'] = events.Login + events.Logout

最后，我们可以通过对"AvailabilityDelta“列执行累积和来创建”可用性“列。这给出了我们在最初的问题中所追求的"Num登录“数据：

events['Availability'] = events.AvailabilityDelta.cumsum()

此时添加其他信息或创建TimeSeries数据非常简单，例如：

ts = events.resample('1H', how='mean', fill_method='ffill')

Answer 2

看看箭头模块 --它提供了非常通用的具有高级方法的DateTime对象。

范围和跨度

获取任何单位的时差：

>>> arrow.utcnow().span('hour')
(<Arrow [2013-05-07T05:00:00+00:00]>, <Arrow [2013-05-07T05:59:59.999999+00:00]>)

或者拿地板和天花板：

>>> arrow.utcnow().floor('hour')
<Arrow [2013-05-07T05:00:00+00:00]>

>>> arrow.utcnow().ceil('hour')
<Arrow [2013-05-07T05:59:59.999999+00:00]>

Answer 3

您最好的选择是使用类似strptime之类的工具来转换时间：

import time
t = time.strptime("5:24pm", "%H:%M%p")
>>> t.tm_hour
5
>>> t.tm_min
24

这样你就可以在同一时间内得到所有的东西，例如，你想要的。