如何用Pandas查询id在start事件5天窗口内是否存在b事件

首先需要将日期列转换为可进行时间运算的datetime类型，之后按id分组处理每个用户的事件：

步骤1：数据预处理 #

import pandas as pd

# 把date列转为datetime格式，才能做时间差计算
df['date'] = pd.to_datetime(df['date'])

步骤2：筛选符合条件的id #

提供两种简洁的实现方式：

方法一：合并起始日期后筛选

# 提取每个id对应的start事件日期
start_dates = df[df['event'] == 'start'].set_index('id')['date'].rename('start_date')
# 将起始日期合并回原数据表
df_merged = df.merge(start_dates, left_on='id', right_index=True)
# 筛选出event为b且日期在start事件后5天内的记录，提取唯一id
valid_ids = df_merged[(df_merged['event'] == 'b') & 
                      (df_merged['date'] <= df_merged['start_date'] + pd.Timedelta(days=5))]['id'].unique()

方法二：分组直接判断

# 按id分组，检查每组是否存在符合条件的b事件
valid_ids = df.groupby('id').apply(
    lambda group: 
    # 找到当前组的start日期，判断是否有b事件在5天窗口内
    (group[group['event'] == 'b']['date'] <= group[group['event'] == 'start']['date'].iloc[0] + pd.Timedelta(days=5)).any()
# 只保留判断结果为True的id
)[lambda res: res].index.tolist()

结果说明 #

运行上述代码后，valid_ids会得到示例数据中符合条件的id列表：['01', '03']（01的b事件在start后3天，03的b事件在start后3天，均在5天窗口内；02无b事件，04仅存在start事件）

内容的提问来源于stack exchange，提问作者Fredrik