计算并绘制时间序列DataFrame中客户交互类型的滚动占比

1. 数据预处理 #

先把时间戳列转成datetime格式并设为DataFrame索引，这是后续滚动计算的基础：

import pandas as pd
import matplotlib.pyplot as plt

# 示例数据
data = {
    'interaction_type': ['Chat', 'Chat', 'Chat', 'Chat', 'Chat', 'Call', 'Chat', 'Email'],
    'timestamps': ['2017-05-01 00:00:01', '2017-05-01 00:00:04', '2017-05-01 00:00:15', '2017-05-01 00:00:15',
                   '2017-05-01 00:00:21', '2017-05-01 00:00:24', '2017-05-01 00:00:31', '2017-05-01 00:00:32']
}
df = pd.DataFrame(data)

# 转换时间戳格式并设置为索引
df['timestamps'] = pd.to_datetime(df['timestamps'])
df = df.set_index('timestamps')

2. 生成交互类型哑变量 #

用get_dummies把分类类型转成二进制列，方便后续统计各类型的出现次数：

df_dummies = pd.get_dummies(df['interaction_type'], dtype=int)

3. 滚动窗口计算占比 #

全程采用矢量化操作，避免循环，适配大数据集：

# 定义滚动时间窗口，比如'5s'、'10s'、'1min'
window_size = '5s'

# 计算窗口内各交互类型的累计数量
rolling_counts = df_dummies.rolling(window_size).sum()

# 计算窗口内总交互次数
rolling_total = rolling_counts.sum(axis=1)

# 计算各类型占比，加1e-10避免除以0的情况
rolling_ratios = rolling_counts.div(rolling_total + 1e-10, axis=0)

注：如果业务场景中滚动窗口不可能为空，可以去掉+1e-10。

4. 绘制可视化曲线 #

把各类型的滚动占比和时间戳绘在同一张图中：

plt.figure(figsize=(10, 6))
# 遍历每个交互类型，绘制曲线
for interaction_type in rolling_ratios.columns:
    plt.plot(rolling_ratios.index, rolling_ratios[interaction_type], label=interaction_type)

plt.xlabel('时间戳')
plt.ylabel('滚动占比')
plt.title(f'{window_size}滚动窗口内交互类型占比')
plt.legend()
plt.xticks(rotation=45)
plt.tight_layout()
plt.show()

核心优势 #

• 完全依赖pandas原生矢量化运算，处理百万级数据集效率极高
• 支持任意时间格式的滚动窗口（秒、分钟、小时等）
• 自动处理重复时间戳的情况，无需额外逻辑

内容的提问来源于stack exchange，提问作者beaglul