使用pandas基于多规则为用户操作日志生成session ID

你原有代码仅覆盖了同用户5分钟超时的单一切分逻辑，未覆盖全部三个新会话触发规则，可按以下步骤实现符合要求的SessionID生成逻辑： #

核心判定规则 #

满足任意一条规则时，当前操作记录即为新会话的起点：

• 全局相邻两条操作日志时间间隔超过5分钟（全平台连续5分钟无任何操作时，后续所有操作开启新会话）
• 同一用户当前操作距自身上一次操作的时间间隔超过30秒
• 当前操作的user_req字段内容精确匹配*205#

实现代码 #

import pandas as pd

# 1. 基础预处理：确保时间字段格式正确、日志按时间升序排列
df['log_datetime'] = pd.to_datetime(df['log_datetime'])
df = df.sort_values(by='log_datetime').reset_index(drop=True)

# 2. 逐个生成新会话触发标记
# 全局5分钟无操作标记
cond_global_5min_timeout = df['log_datetime'].diff().gt(pd.Timedelta('5T'))
# 同用户30秒无操作标记
cond_user_30s_timeout = df.groupby('user_id')['log_datetime'].diff().gt(pd.Timedelta('30S'))
# *205#请求触发标记
cond_dial_trigger = df['user_req'].eq('*205#')

# 3. 合并所有触发条件，按用户维度累加生成会话ID
new_session_mask = cond_global_5min_timeout | cond_user_30s_timeout | cond_dial_trigger
df['SessionID'] = new_session_mask.groupby(df['user_id']).cumsum() + 1

可选调整 #

• 如果需要全局唯一的SessionID（而非单用户维度从1开始计数），可拼接用户ID与会话序号：

  df['SessionID'] = df['user_id'].astype(str) + '_sess_' + df['SessionID'].astype(str)
  

• 如果user_req字段存在冗余空格、特殊字符，匹配前先做清洗：

  df['user_req'] = df['user_req'].str.strip()
  

• 所有时间计算依赖日志的时间顺序，禁止跳过排序步骤，否则间隔计算结果会完全错误。

内容的提问来源于stack exchange，提问作者N K