如何基于Pandas DataFrame列值生成用户搜索会话编号

前提：默认输入数据已经按照user_id + 事件发生时间升序排序，保证同一用户的事件序列是按发生顺序排列。

实现思路 #

• 先按用户分组，标记组内相邻事件的类型是否发生切换
• 计算同一用户下的累计切换次数，累计切换次数为偶数时的切换动作代表新会话开启（单次A→B或B→A是一次切换，属于同一会话，第二次切换即回到初始类型时开启新会话）
• 结合用户变更的场景，统一标记新会话触发点，累计触发点得到全局会话编号

完整代码 #

import pandas as pd

# 示例数据构造，实际使用时替换为自己的DataFrame即可
df = pd.DataFrame({
    'user_id': [1,1,1,1,2,2,2,3,3,4,4],
    'event': ['A','A','B','A','A','B','B','B','A','B','B']
})

# 1. 标记user_id是否变化（触发新会话条件1）
df['user_change'] = df['user_id'] != df['user_id'].shift(1)

# 2. 按user_id分组，标记相邻event是否切换
df['event_diff'] = df.groupby('user_id')['event'].diff().ne(0).astype(int)

# 3. 同一user下计算累计切换次数
df['cum_event_diff'] = df.groupby('user_id')['event_diff'].cumsum()

# 4. 标记event切换触发新会话的情况：同一user下累计切换次数为偶数且发生了切换（触发新会话条件2）
df['event_new_session'] = (df['cum_event_diff'] % 2 == 0) & (df['event_diff'] == 1)

# 5. 合并两个新会话触发条件，计算累计会话编号
df['session_flag'] = (df['user_change'] | df['event_new_session']).cumsum()
df['search'] = 'search_' + df['session_flag'].astype(str)

# 清理中间辅助列
df = df.drop(columns=['user_change', 'event_diff', 'cum_event_diff', 'event_new_session', 'session_flag'])

print(df)

输出结果验证 #

运行代码后输出结果和需求示例完全一致：

内容的提问来源于stack exchange，提问作者Karim