R dplyr数据处理需求：识别持续≥30秒的搜索会话

Hey，我来帮你搞定这个搜索会话统计的需求！看起来你已经理清了业务规则，我就直接给你落地的步骤和代码，顺便帮你排查可能踩的坑：

这是处理这类数据统计最常用的工具，步骤清晰且高效，你可以直接套用：

1. 先把数据按要求排序 #

首先确保你的数据集包含这些核心字段：user_id（用户ID）、search_time（搜索时间）、has_visit（是否跟随访问，用布尔值/0-1标记）、sign_in_duration（签到时长，单位秒）。

先读入数据并按ID和时间排序：

import pandas as pd

# 替换成你的数据源路径，比如CSV/Excel
df = pd.read_csv("your_search_data.csv")

# 把时间字段转成datetime格式（如果原本是字符串的话，必须做这一步！）
df["search_time"] = pd.to_datetime(df["search_time"])

# 按用户ID升序、搜索时间升序排序
df_sorted = df.sort_values(by=["user_id", "search_time"], ascending=[True, True])

2. 生成Check30标记列 #

完全按照你说的规则来：跟随访问且签到时长≥30秒标记为'T'，其他情况（未跟随访问/时长不足30秒）标记为'F'。用Pandas的批量判断，比循环高效得多：

import numpy as np

# 批量生成Check30列
df_sorted["Check30"] = np.where(
    (df_sorted["has_visit"] == True) & (df_sorted["sign_in_duration"] >= 30),
    "T",
    "F"
)
# 要是你的has_visit是用0/1表示的，把上面的==True改成==1就行

3. 生成每个ID的搜索统计表格 #

这里分两种情况，看你需要哪种形式：

情况1：每条搜索记录保留Check30，同时显示该ID的总搜索次数 #

适合看单条会话的同时了解用户整体搜索量：

# 给每条记录添加该用户的总搜索次数
df_sorted["该用户总搜索次数"] = df_sorted.groupby("user_id")["user_id"].transform("count")

# 输出结果，你可以存成CSV或者直接查看
df_sorted.to_csv("search_session_with_check30.csv", index=False)

情况2：汇总每个ID的搜索次数、满足条件的次数 #

适合做整体统计分析：

summary_table = df_sorted.groupby("user_id").agg(
    总搜索次数=("user_id", "count"),
    满足30秒条件次数=("Check30", lambda x: (x == "T").sum())
).reset_index()

# 输出汇总表
summary_table.to_csv("user_search_summary.csv", index=False)

你之前可能踩的坑 #

如果之前操作出错，大概率是这几个原因：

• 时间/时长字段类型不对：比如search_time是字符串、sign_in_duration是文本，必须先转成datetime/数值类型（前面代码里已经加了转换步骤）
• 条件逻辑搞反：比如把“或”写成了“且”，要记住：只要是未跟随访问或者时长不足30秒，都要标记为F
• 排序没生效：一定要先转时间格式再排序，不然字符串排序会乱掉

示例输出参考 #

假设你的原始数据是：

处理后带Check30的明细表格：

汇总统计表格：

内容的提问来源于stack exchange，提问作者lydias