如何用Pandas按会话拆分DataFrame（按ID分组，间隔超30秒）

要实现按id分组并根据操作间隔（超过30秒）拆分会话，你可以借助Pandas的groupby、diff和cumsum方法完成，步骤如下：

1. 构造示例数据 #

首先还原你的DataFrame：

import pandas as pd

df = pd.DataFrame({
    'id': [1, 2, 3, 1, 1, 3],
    'sec': [45, 1, 176, 19, 876, 123]
})

2. 核心处理逻辑 #

# 1. 按id分组，计算组内相邻操作的时间间隔绝对值
df['interval'] = df.groupby('id')['sec'].diff().abs()

# 2. 标记会话分割点：间隔超过30秒，或是组内第一条记录（diff返回NaN）
df['session_split'] = (df['interval'] > 30) | df['interval'].isna()

# 3. 生成每个id下的会话ID：分割点累加得到唯一会话标识
df['session_id'] = df.groupby('id')['session_split'].cumsum()

# 4. 按id和会话ID聚合，将sec转为会话列表
session_result = df.groupby(['id', 'session_id'])['sec'].apply(list).reset_index()

# 整理成按id展示所有会话的格式
final_result = session_result.groupby('id')['sec'].apply(list).to_dict()
print(final_result)

输出结果 #

{1: [[45, 19], [876]], 2: [[1]], 3: [[176, 123]]}

关键步骤解释 #

• diff().abs()：计算每个id组内相邻sec的差值绝对值，得到操作间隔；
• session_split：标记需要拆分会话的位置，第一条记录默认作为新会话起点；
• cumsum()：对每个id组的分割点进行累加，生成唯一的会话ID，确保同一会话的记录拥有相同ID；
• 最后通过两次分组聚合，得到每个id对应的会话列表。

可选：按时间顺序处理会话 #

如果需要先按sec（时间戳）排序再拆分会话，只需在处理前先排序：

# 先按id和sec排序，保证时间顺序
df_sorted = df.sort_values(['id', 'sec'])

# 后续步骤与上述核心逻辑一致
df_sorted['interval'] = df_sorted.groupby('id')['sec'].diff().abs()
df_sorted['session_split'] = (df_sorted['interval'] > 30) | df_sorted['interval'].isna()
df_sorted['session_id'] = df_sorted.groupby('id')['session_split'].cumsum()

session_result_sorted = df_sorted.groupby(['id', 'session_id'])['sec'].apply(list).reset_index()
final_result_sorted = session_result_sorted.groupby('id')['sec'].apply(list).to_dict()
print(final_result_sorted)

输出：

{1: [[19, 45], [876]], 2: [[1]], 3: [[123, 176]]}

内容的提问来源于stack exchange，提问作者hurricane133