如何在Pandas中统计时间窗口内的事件频率？（附销售数据场景）

假设我有如下Pandas DataFrame，记录了不同门店的水果销售数据：

Time_of_sale       Product  Store
05.01.2018 15:37   Apple    1
05.01.2018 13:58   Apple    1
05.01.2018 15:36   Banana   2
05.01.2018 15:33   Banana   3
15.08.2017 19:08   Strawberry 4
15.08.2017 19:04   Blueberry  4
03.09.2017 15:32   Pere      5
03.09.2017 15:31   Pere      6
05.01.2018 15:32   Blueberry  7
05.01.2018 15:27   Banana   2
08.01.2018 09:31   Grapes   1

我希望为每一行添加对应时间窗口内的事件发生次数，请问该如何实现？

这个需求用Pandas的时间窗口功能就能轻松实现，我分两种常见场景给你讲解：

1. 全局时间窗口（所有门店的事件都计入） #

首先得把字符串格式的时间转换成Pandas可识别的datetime类型，然后排序数据（时间窗口计算依赖有序的时间序列），最后用滚动窗口统计次数：

import pandas as pd

# 先构造示例DataFrame
data = {
    'Time_of_sale': ['05.01.2018 15:37', '05.01.2018 13:58', '05.01.2018 15:36',
                     '05.01.2018 15:33', '15.08.2017 19:08', '15.08.2017 19:04',
                     '03.09.2017 15:32', '03.09.2017 15:31', '05.01.2018 15:32',
                     '05.01.2018 15:27', '08.01.2018 09:31'],
    'Product': ['Apple', 'Apple', 'Banana', 'Banana', 'Strawberry', 'Blueberry',
                'Pere', 'Pere', 'Blueberry', 'Banana', 'Grapes'],
    'Store': [1, 1, 2, 3, 4, 4, 5, 6, 7, 2, 1]
}
df = pd.DataFrame(data)

# 步骤1：转换时间列格式
df['Time_of_sale'] = pd.to_datetime(df['Time_of_sale'], format='%d.%m.%Y %H:%M')

# 步骤2：按时间排序（必须！否则窗口计算会出错）
df = df.sort_values('Time_of_sale').reset_index(drop=True)

# 步骤3：设置时间为索引，计算滚动窗口内的事件数
# 这里用1小时窗口，你可以改成'30min'、'2H'、'1D'等任意时间单位
df['global_window_count'] = df.set_index('Time_of_sale') \
                              .rolling(window='1H')['Product'] \
                              .count() \
                              .reset_index(drop=True)

运行后，global_window_count列就是每一行对应时间点前1小时内所有门店的销售事件次数。

2. 按门店分组的时间窗口（仅统计当前门店的事件） #

如果需要统计同一门店在时间窗口内的销售次数，只需要在滚动窗口前先按门店分组：

# 基于已经转换并排序好的df
df['store_window_count'] = df.groupby('Store') \
                             .rolling(window='1H', on='Time_of_sale')['Product'] \
                             .count() \
                             .reset_index(drop=True)

这样store_window_count列就是当前门店在对应时间点前1小时内的销售事件次数。

关键说明 #

• 时间窗口参数window可以自定义，支持的单位包括：min（分钟）、H（小时）、D（天）等，比如window='30min'就是统计前30分钟的事件。
• 如果需要排除当前行本身，只统计之前的事件，可以给rolling添加closed='left'参数（比如rolling(window='1H', closed='left')）。

内容的提问来源于stack exchange，提问作者Rob