如何计算特定用户两步流程从step 1到step 2的日均耗时

核心逻辑 #

按以下步骤处理可完全匹配需求规则：

1. 先按user分组、按time升序排序，保证每个用户的行为记录按时间先后排列
2. 对每个用户的记录，仅保留最近一次step1的时间作为基准：遇到step1就更新基准时间，其他情况沿用最近一次的基准时间
3. 筛选出同时匹配到基准step1和后续step2的记录，计算两者的时间差
4. 按日期分组求平均，得到每日平均耗时

代码实现（基于pandas） #

import pandas as pd

# 构造示例数据
df = pd.DataFrame({
    'user': [3249, 2160, 2160, 3249, 5120, 3900, 3900, 3900],
    'action': ['step 1', 'step 1', 'step 2', 'step 2', 'step 1', 'step 1', 'step 1', 'step 2'],
    'time': pd.to_datetime([
        '2021-10-25 19:45:43', '2021-10-25 19:48:46',
        '2021-10-25 19:50:21', '2021-10-25 19:57:34',
        '2021-10-25 20:30:56', '2021-10-25 20:35:40',
        '2021-10-25 20:50:59', '2021-10-25 21:15:08'
    ])
})

# 按用户、时间排序
df = df.sort_values(['user', 'time']).reset_index(drop=True)

# 每个用户组内向前填充最近的step1时间
df['latest_step1_time'] = df.groupby('user').apply(
    lambda x: x['time'].where(x['action'] == 'step 1').ffill()
).reset_index(drop=True)

# 筛选出有匹配step1的step2记录
valid_records = df[df['action'] == 'step 2'].dropna(subset=['latest_step1_time']).copy()

# 计算耗时（单位可自行调整，这里用秒）
valid_records['cost_seconds'] = (valid_records['time'] - valid_records['latest_step1_time']).dt.total_seconds()

# 计算每日平均耗时
valid_records['date'] = valid_records['time'].dt.date
daily_avg_cost = valid_records.groupby('date')['cost_seconds'].mean()

print(daily_avg_cost)

示例结果 #

针对给出的示例数据，最终2021-10-25的平均耗时约为751.67秒，也就是12分32秒左右。如果需要其他时间单位，比如分钟，把total_seconds()除以60即可。

内容的提问来源于stack exchange，提问作者weano