使用pandas统计开始时间一小时内发生的用户订单，时间间隔不规则

Question

假设我们有这个

| eventdatetime       | orderid | userid |
| 2019-12-27 03:06:50 | 1       |  100   |
| 2019-12-27 04:12:50 | 2       |  20    |
| 2019-12-27 05:06:58 | 3       |  140   |
| 2019-12-29 03:00:10 | 4       |  104   |

我尝试使用滚动分组，例如df.groupby('userid').rolling('1h').orderid.count() 但它不起作用，因为它向后看 1 小时并将其滚动到行中的当前日期时间。如果我使用滚动，它不期待在接下来的1小时内检查是否有订单。

例如如果查看 orderid 2，日期时间是 04:12:50，所以我想计算从这个时间到 05:12:50 的 1 小时内的订单数量。换句话说，计算用户从 04:12:50 到 05:12:50 下的订单数量 - 在本例中是 2，但滚动会给我 1，因为它看起来是从 03:12:50 到 04:12:50。

pandas 中是否有任何函数可以做到这一点，还是我对滚动的理解有误？

编辑 1 最初我以为我可以只使用一些列，但不知何故它不适用于原始列，所以我将所有列都添加到混合中。

我们这里有日期时间索引和 3 个 id 列

                    | orderid           shopid      userid
event_time          
2019-12-31 13:13:34 | 31468414075366    214432425   1134243
2019-12-31 23:32:03 | 31505523761333    214432425   1134243
2019-12-31 23:45:49 | 31506349293329    214432425   52594422
2019-12-31 23:46:35 | 31506394434087    214432425   52594422

使用Roy2012的解决方案但是添加了带有 orderid 的连接条件，因为我稍后需要 orderid 而不仅仅是时间

hour_ends = pd.DataFrame({'hour_start': df.index, 
        'orderid': df.orderid.values
    }, index=df.index + datetime.timedelta(hours=1)

t = pd.merge(df, hour_ends, on='orderid', left_index=True, right_index=True, how='outer')

给我

                     orderid            shopid        userid        event_start
event_time              
2019-12-31 13:13:34 | 31468414075366    214432425.0 | 1134243.0   | NaT
2019-12-31 14:13:34 | 31468414075366    NaN         | NaN         |2019-12-31 13:13:34
2019-12-31 23:32:03 | 31505523761333    214432425.0 | 1134243.0   | NaT
2019-12-31 23:45:49 | 31506349293329    214432425.0 | 52594422.0  | NaT
2019-12-31 23:46:35 | 31506394434087    214432425.0 | 52594422.0  | NaT
2020-01-01 00:32:03 | 31505523761333    NaN         | NaN         | 2019-12-31 23:32:03
2020-01-01 00:45:49 | 31506349293329    NaN         | NaN         | 2019-12-31 23:45:49
2020-01-01 00:46:35 | 31506394434087    NaN         | NaN         | 2019-12-31 23:46:35

然后添加这个以向前滚动

t["rolling_count"] = t.rolling("1h", closed="both").count()["orderid"]
t.reset_index()[['event_start', 'orderid', 'rolling_count']].dropna()

给出的结果不符合

event_start         | orderid         | rolling_count
2019-12-31 13:13:34 | 31468414075366  | 2.0
2019-12-31 23:32:03 | 31505523761333  | 4.0
2019-12-31 23:45:49 | 31506349293329  | 4.0
2019-12-31 23:46:35 | 31506394434087  | 4.0

我希望结果类似于

event_start         | orderid         | rolling_count
2019-12-31 13:13:34 | 31468414075366  | 1.0
2019-12-31 23:32:03 | 31505523761333  | 3.0
2019-12-31 23:45:49 | 31506349293329  | 2.0
2019-12-31 23:46:35 | 31506394434087  | 1.0

因为订单ID 31468414075366在13:13的1小时内只有1个订单，31505523761333在23:32到00:32的1小时内共有3个订单，依此类推

Answer 1

这是一个解决方案。它基于在 'real' 行之后一小时添加人工行的想法。我们将运行滚动计数，得到结果，然后将它们匹配回原始时间。这是代码，为清楚起见分为几个步骤。

import datetime

# Create a dataframe with 1 hour time windows
hour_ends = pd.DataFrame({"hour_start":  df.index}, 
                         index = df.index + datetime.timedelta(hours=1))

# merge the original dataframe and the new one. 
t = pd.merge(df, hour_ends, left_index=True, right_index=True, how = "outer")

# do the rolling count. 
t["rolling_count"] = t.rolling("1h", closed="both").count()["orderid"]

# match the results back to the starting time. 
res = t.reset_index()[["hour_start", "rolling_count"]].dropna()
print (res)

结果是：

           hour_start  rolling_count
1 2019-12-27 03:06:50            1.0
4 2019-12-27 04:12:50            2.0
5 2019-12-27 05:06:58            1.0
7 2019-12-29 03:00:10            1.0

使用pandas统计开始时间一小时内发生的用户订单，时间间隔不规则

Using pandas to count user orders that happen within the hour from start time with irregular time interval

python

time-series

pandas

rolling-computation