Python 需要识别所有ID'；在+；/-窗口中创建的使用pandas使用相同的用户id进行10分钟的约会

需要识别在+/-10分钟的日期窗口中使用相同用户ID创建的所有ID

ID|user| Date              
--|----|-------------------         
1 |abc |2020-02-02 10:01:00
2 |abc |2020-02-02 10:09:00
3 |def |2020-02-02 10:17:00
4 |def |2020-02-02 11:00:00
5 |abc |2020-02-02 10:17:00

所需o/p： 我正试图用熊猫来解决这个问题。请提供一些关于如何实现这一点的输入，数据量将增加到100k记录

采取的办法： 我创建了两列，分别是date_加上_10和date_减10。然后我创建了一个嵌套循环来逐个解析数据，并检查date是否在date_plus_10和date_plus_10之间，并且是否有相同的用户。但这需要很长时间才能完成

在下面的代码中，37和36是日期加10和日期减10的位置，23是日期列，15是用户，38是标志/计数器

范围（0100）内的i的

：
time\u range=DateTimeRange（data\u rr\u NAN.iloc[i，37]，data\u rr\u NAN.iloc[i，36]）
对于范围（i+1100）内的j：
如果（（时间范围内的数据rr_NAN.iloc[j，23]＝真）和（数据rr_NAN.iloc[j，15]＝数据rr_NAN.iloc[i，15]）：
data_rr_NAN.iloc[i，38]+=1

我尝试了使用基于时间的窗口大小的

.rolling（）

操作的一些变体，但它似乎有一系列限制，使其难以用于此用例

下面是一个简单的方法，它迭代数据帧并查找落在窗口中的行。我怀疑有一个更有效的方法来做这件事，但它可能足够快，适合你的情况

import numpy as np
import pandas as pd

create_user_log = np.array(
    [[1, pd.Timestamp('20200202 10:01:00'), 'abc'], 
     [2, pd.Timestamp('20200202 10:09:00'), 'abc'],
     [3, pd.Timestamp('20200202 10:17:00'), 'def'],
     [4, pd.Timestamp('20200202 11:00:00'), 'def'],
     [5, pd.Timestamp('20200202 10:17:00'), 'abc'],
     [6, pd.Timestamp('20200202 11:09:00'), 'abc'],
     [7, pd.Timestamp('20200202 11:56:00'), 'def'],
     [8, pd.Timestamp('20200202 12:00:00'), 'def'],
     [9, pd.Timestamp('20200202 12:05:00'), 'abc'],
     ])

df = pd.DataFrame(data=create_user_log, columns=["id", "date", "user"])

df.set_index('date', inplace=True)
df.sort_index(inplace=True)

counts = []

for row in df.itertuples(index=True, name='Pandas'):
  win = df[(row[0] - pd.DateOffset(minutes=10)):(row[0] + pd.DateOffset(minutes=10))]
  counts.append(len(win[win['user']==row.user]))

df['cnt'] = counts
display(df)

输出：

                    id  user cnt
date            
2020-02-02 10:01:00 1   abc 2
2020-02-02 10:09:00 2   abc 3
2020-02-02 10:17:00 3   def 1
2020-02-02 10:17:00 5   abc 2
2020-02-02 11:00:00 4   def 1
2020-02-02 11:09:00 6   abc 1
2020-02-02 11:56:00 7   def 2
2020-02-02 12:00:00 8   def 2
2020-02-02 12:05:00 9   abc 1

---

我不喜欢使用

itertuples（）

，但是因为我们在

日期

上建立了索引，所以每个迭代中完成的工作应该相当快。

到目前为止，您是如何解决这个问题的？您的尝试以何种方式失败？为什么ID 2的CNT为2？如果你在同一个用户id内计数，那么只有id=1符合条件，那么CNT不是1吗？@TYZ:是的，你是对的，我已经编辑了样本数据。另外，为什么id 3有CNT 1，id 4有10分钟多的时间，那么它不应该有CNT 0吗？

                    id  user cnt
date            
2020-02-02 10:01:00 1   abc 2
2020-02-02 10:09:00 2   abc 3
2020-02-02 10:17:00 3   def 1
2020-02-02 10:17:00 5   abc 2
2020-02-02 11:00:00 4   def 1
2020-02-02 11:09:00 6   abc 1
2020-02-02 11:56:00 7   def 2
2020-02-02 12:00:00 8   def 2
2020-02-02 12:05:00 9   abc 1