基于时间间隔检查历史记录：为DataFrame新增5分钟内重复购果标记列

现有一份已按name（用户）和time（时间）排序的水果采购DataFrame，需要为每个唯一用户新增一列purchased_same_fruit_within5minutes，标记当前采购记录的前5分钟内该用户是否购买过相同水果。示例数据如下：

name  fruit  time   purchased_same_fruit_within5minutes
0  Amy   apple 10:00      False
1  Amy   pear  10:04      False
2  Amy   apple 10:06      False (10:00 apple purchase was 6 minutes ago)
3  Amy   pear  10:07      True (pear at 10:04)
4  Ben   ...

实现步骤 #

1. 转换时间列为可计算格式
   首先要把字符串格式的time列转为datetime类型，否则无法计算时间差：

   import pandas as pd
   
   # 假设原始time列是"HH:MM"格式的字符串
   df['time'] = pd.to_datetime(df['time'], format='%H:%M')
   

2. 匹配同用户同水果的上一条采购时间
   利用分组+shift()方法，获取每个用户对应每种水果的上一次采购时间：

   # 按用户和水果分组，取同组的上一条时间记录
   df['prev_purchase_time'] = df.groupby(['name', 'fruit'])['time'].shift(1)
   

3. 生成5分钟内的标记列
   计算当前时间与上一条时间的差值，判断是否≤5分钟；没有上一条记录的情况直接标记为False：

   # 计算时间差（单位：分钟），并生成标记列
   df['purchased_same_fruit_within5minutes'] = (
       (df['time'] - df['prev_purchase_time']).dt.total_seconds() / 60 <= 5
   ).fillna(False)
   

4. （可选）清理中间列
   如果不需要中间生成的prev_purchase_time列，可以直接删除：

   df = df.drop('prev_purchase_time', axis=1)
   

完整代码示例 #

import pandas as pd

# 构造示例数据
data = {
    'name': ['Amy', 'Amy', 'Amy', 'Amy'],
    'fruit': ['apple', 'pear', 'apple', 'pear'],
    'time': ['10:00', '10:04', '10:06', '10:07']
}
df = pd.DataFrame(data)

# 转换时间格式
df['time'] = pd.to_datetime(df['time'], format='%H:%M')

# 获取同用户同水果的上一次采购时间
df['prev_purchase_time'] = df.groupby(['name', 'fruit'])['time'].shift(1)

# 生成目标标记列
df['purchased_same_fruit_within5minutes'] = (
    (df['time'] - df['prev_purchase_time']).dt.total_seconds() / 60 <= 5
).fillna(False)

# 清理中间列
df = df.drop('prev_purchase_time', axis=1)

print(df)

运行后输出结果：

name  fruit                time  purchased_same_fruit_within5minutes
0   Amy  apple 1900-01-01 10:00:00                                 False
1   Amy   pear 1900-01-01 10:04:00                                 False
2   Amy  apple 1900-01-01 10:06:00                                 False
3   Amy   pear 1900-01-01 10:07:00                                  True

内容的提问来源于stack exchange，提问作者asd