计算用户会话数，定义为间隔-Java 学习之路

我有一个用户会话数据集，加载到Pandas DataFrame中：

SessionID, UserID, Logon_time, Logoff_time
Adx1YiRyvOFApQiniyPWYPo,AbO6vW58ta1Bgrqs.RA0uHg,2016-01-05 07:46:56.180,2016-01-05 08:04:36.057
AfjMzw8In8RDqK6jIfItZPs,Ae8qOxLzozJHrC2pr2dOw88,2016-01-04 14:48:47.183,2016-01-04 14:53:30.210
AYIdSJYsRw5PptkFfEOXPa0,AX3Xy8dRDBRAlhyy3YaWw6U,2016-01-04 11:06:37.040,2016-01-04 16:34:38.770
Ac.WXBBSl75KqEuBmNljYPE,Ae8qOxLzozJHrC2pr2dOw88,2016-01-04 10:58:04.227,2016-01-04 11:21:10.520
AekXRDR3mBBDh49IIN2HdU8,Ae8qOxLzozJHrC2pr2dOw88,2016-01-04 10:16:08.040,2016-01-04 10:34:20.523
AVvL3VSWSq5Fr.f4733X.T4,AX3Xy8dRDBRAlhyy3YaWw6U,2016-01-04 09:19:29.773,2016-01-04 09:40:25.157

我想要做的是将这些数据转换为一个包含两列的DataFrame：

时间戳/句点（例如分辨率为分钟）
当时存在的会话数

我可以通过将日期时间范围转换为 Interval ，然后检查给定时间戳落入间隔的行数来为单个时间戳执行此操作 .

但是，如果我想这样做一两年，分辨率为分钟或小时，我最终将会有8760个循环（在几小时的情况下）一年...这可能不是一个破坏者，但是我想知道是否有人有任何其他（可能更优雅）的建议或想法 .

2 回答

IIUC，我们可以这样做：

df.apply(lambda x: pd.Series([1] * len(pd.date_range(x.Logon_time, x.Logoff_time, freq='T')), 
         index=pd.date_range(x.Logon_time, x.Logoff_time, freq='T')), axis=1)\
  .stack().reset_index(level=0, drop=True).resample('T').count()

输出（头）：

2016-01-04 09:19:00    1
2016-01-04 09:20:00    1
2016-01-04 09:21:00    1
2016-01-04 09:22:00    1
2016-01-04 09:23:00    1
Freq: T, dtype: int64

使用Pandas可视化来检查所有数据：

df.apply(lambda x: pd.Series([1] * len(pd.date_range(x.Logon_time, x.Logoff_time, freq='T')),
                             index=pd.date_range(x.Logon_time, x.Logoff_time, freq='T')), axis=1)\
  .stack().reset_index(level=0, drop=True).resample('T').count().plot()

enter image description here

回复于 2024-05-05T18:42:58+08:00

我最终使用的解决方案与斯科特的答案略有不同，但他的方法很关键，因为观察（记录）的数量相对较少，而另一方面，时间元素的数量（例如秒，取决于所需的分辨率）考虑到第一次和最后一次观察之间经过的时间，这个数字要大得多 .

但是，我首先将所有生成的日期范围（系列）收集到一个列表中，并在第二个单独的步骤中连接所有这些，这样可以更快地使用 apply() 不断修改原始Dataframe .

# Expand the datetime range, creating records according to the given resolution (e.g. minutes).
# This creates a Series object for each session. All of those Series objects are then added to a list
# in order to concatenate them in 1 go, which is more efficient.
sessions=[]

for key, cols in df_sessions.iterrows():
    sess = pd.Series(data=pd.date_range(start=cols['logon'].floor('T'),
                                        end=cols['logoff'].ceil('T'),
                                        freq='T'),
                     name='sess_dt')
    sessions.append(sess)

# Concatenate all Series objects and convert to a DataFrame
df_sessions_2 = pd.DataFrame(pd.Series().append(sessions, ignore_index=True), columns=['ref_dt'])

# Add a counter which we can use to aggregate
df_sessions_2['sess_cnt'] = 1

# Aggregate according to the datetime
df_sessions_2 = df_sessions_2.groupby('ref_dt').sum()

然后绘图只需要一个额外的声明：

df_sessions_2.plot()

Visualisation

回复于 2024-05-05T18:42:58+08:00

计算用户会话数，定义为间隔

2 回答

相关问题