如何用Pandas筛选在buy与add事件间存在cancel事件的用户

针对你需要筛选存在cancel事件发生在buy之后、add之前的用户需求，这里提供几种比原方法更简洁直观的实现方式：

方法一：分组遍历检查（逻辑清晰） #

先对用户分组，提取每个用户的三类事件时间，直接判断是否存在满足时间关系的cancel事件：

import pandas as pd

# 转换时间列为datetime类型（必须步骤）
df['timestamp'] = pd.to_datetime(df['timestamp'])

target_users = []
# 按用户分组处理
for user_id, group in df.groupby('user_id'):
    # 按时间排序事件
    sorted_events = group.sort_values('timestamp')
    # 提取各类事件的时间列表
    buy_times = sorted_events[sorted_events['event'] == 'buy']['timestamp'].tolist()
    cancel_times = sorted_events[sorted_events['event'] == 'cancel']['timestamp'].tolist()
    add_times = sorted_events[sorted_events['event'] == 'add']['timestamp'].tolist()
    
    # 检查是否有cancel落在任意buy和add之间
    for cancel_t in cancel_times:
        has_earlier_buy = any(buy_t < cancel_t for buy_t in buy_times)
        has_later_add = any(add_t > cancel_t for add_t in add_times)
        if has_earlier_buy and has_later_add:
            target_users.append(user_id)
            break  # 找到一个符合条件的就停止检查该用户

print(target_users)  # 输出：[1, 3]

方法二：关联事件表筛选（代码简洁） #

把buy、cancel、add三类事件单独提取后按用户关联，直接筛选满足时间顺序的组合，最后去重得到用户：

import pandas as pd

df['timestamp'] = pd.to_datetime(df['timestamp'])

# 提取三类事件并重命名时间列
buy_df = df[df['event'] == 'buy'][['user_id', 'timestamp']].rename(columns={'timestamp': 'buy_time'})
cancel_df = df[df['event'] == 'cancel'][['user_id', 'timestamp']].rename(columns={'timestamp': 'cancel_time'})
add_df = df[df['event'] == 'add'][['user_id', 'timestamp']].rename(columns={'timestamp': 'add_time'})

# 按用户关联三类事件，筛选时间符合条件的记录
valid_combinations = pd.merge(pd.merge(buy_df, cancel_df, on='user_id'), add_df, on='user_id')
valid_combinations = valid_combinations[(valid_combinations['buy_time'] < valid_combinations['cancel_time']) 
                                        & (valid_combinations['cancel_time'] < valid_combinations['add_time'])]

# 去重得到目标用户
target_users = valid_combinations['user_id'].unique().tolist()

print(target_users)  # 输出：[1, 3]

方法三：分组标记前后事件（高效处理大数据） #

利用分组transform给每个cancel事件标记是否存在更早的buy和更晚的add，再筛选符合条件的用户：

import pandas as pd

df['timestamp'] = pd.to_datetime(df['timestamp'])
# 按用户和时间排序
df_sorted = df.sort_values(['user_id', 'timestamp'])

# 标记每个时间点之前是否出现过buy
def mark_buy_before(ts_series):
    user_data = df_sorted[df_sorted['user_id'] == ts_series.name]
    buy_times = user_data[user_data['event'] == 'buy']['timestamp']
    return ts_series.apply(lambda t: any(t > bt for bt in buy_times))

# 标记每个时间点之后是否出现过add
def mark_add_after(ts_series):
    user_data = df_sorted[df_sorted['user_id'] == ts_series.name]
    add_times = user_data[user_data['event'] == 'add']['timestamp']
    return ts_series.apply(lambda t: any(t < at for at in add_times))

df_sorted['has_buy_before'] = df_sorted.groupby('user_id')['timestamp'].transform(mark_buy_before)
df_sorted['has_add_after'] = df_sorted.groupby('user_id')['timestamp'].transform(mark_add_after)

# 筛选符合条件的cancel事件对应的用户，去重
target_users = df_sorted[(df_sorted['event'] == 'cancel') 
                         & df_sorted['has_buy_before'] 
                         & df_sorted['has_add_after']]['user_id'].unique().tolist()

print(target_users)  # 输出：[1, 3]

内容的提问来源于stack exchange，提问作者clssyyy123