Python Pandas-在至少七天的时间内三天内登录产品的用户

我有一个用于用户参与的数据帧（df），如下所示：-

time_stamp          | user_id |
---------------------------
2013-01-01 10:05:23 | 1
2013-01-03 16:35:23 | 1
2013-01-06 11:06:35 | 1
2013-01-10 12:05:43 | 1
2013-01-11 13:32:12 | 2
2013-01-04 16:26:34 | 3
2013-01-05 14:02:51 | 3
2013-01-11 18:35:53 | 3
2013-01-04 12:26:34 | 4
2013-01-05 13:31:11 | 4
2013-01-12 17:35:52 | 4

每行都是系统的单一登录。采用用户是指在至少七天内三天内登录产品的用户。如何查找所有已采用用户的用户ID

---

输出是所采用用户的用户ID列表- 用户列表=

['1'，'3']

提前谢谢

首先按天使用地板，然后按

groupby

使用

rolling

每3行使用一次。但需要数字时会出现问题，因此datetimes会转换为unix时间：

df['time_stamp'] = df['time_stamp'].dt.floor('d').astype(np.int64)
#sorting and remove duplicated days per users 
df = df.sort_values(['user_id', 'time_stamp']).drop_duplicates()

a = df.groupby('user_id')['time_stamp'].rolling(window=3)
b = pd.to_timedelta((a.max()- a.min())).dt.days
print (b)
user_id    
1        0     NaN
         1     NaN
         2     5.0
         3     7.0
2        4     NaN
3        5     NaN
         6     NaN
         7     7.0
4        8     NaN
         9     NaN
         10    8.0
Name: time_stamp, dtype: float64

c = b[b == 7].index.get_level_values('user_id').tolist()
print (c)
[1, 3]

---

如果

df

包含示例数据框，我将根据给定日期的周数进行计算和分组

import pandas as pd

df = pd.read_csv('data.csv', parse_dates=['ime_stamp'])

df['wk'] = df['ime_stamp'].dt.week
df = df.groupby(['wk','user_id'])['ime_stamp'].count().reset_index(name="freq")

result = df[df.freq >= 3]

# only user ids matching criteria
user_ids = result.user_id.tolist()
print(user_ids)

输出：

[1]

# list of tuples containing user_id and number times logged in
p = [(x,y) for x,y in zip(result.user_id, result.freq) ]
print(p)

---

输出：

[（1,3）]

输出是已采用用户的用户ID列表-用户ID列表=['1'，'3'，'5']…我添加了示例数据，在上面的数据中，它将是['1'，'3']，用户必须在7天内登录3次不确定dropna是否正常工作，它将给我空白输出。另外，我只需要在7天内登录3次或更多的用户ID。谢谢我有一个大约有1000行的表格，有什么方法可以发送吗？嗯，我有一个主要的问题，如何检查，验证解决方案是否正确？因此，我认为最好是使用

mcve

的30行代码。谢谢。输出还应包含用户_id“3”，因为该用户在“2013-01-04”和“2013-01-11”之间有3次登录，这是一个7天的周期，但是，它不应包含用户_id“4”，因为它超过7天。我们无法使用本周的任何开始，因为我们正在考虑滚动7天。这3个登录可以来自周二到周一或周日到周六，因此任何7天的countOutput都应该是1,3，用户4不包括在内，因为它的3个登录都在8天内，而不是在7天内，但是用户1在7天内有3个登录，所以这很好！第4次登录是在第7天之后，在任何7天中至少有3次登录。这很好，我将做的唯一更改是：-c=b[b<8]。index.get_level_values（'user_id'）。tolist（），因为它的计数值也应该小于7。谢谢