如何用Pandas找出任意4天窗口内至少2次访问的用户

当然可以用Pandas的分组功能高效解决这个需求，完全不用逐行遍历！下面我会给出两种实用的实现方法，帮你快速找出符合条件的用户ID。

先做基础准备：处理日期格式 #

首先得把date_of_visit列转换成Pandas的datetime类型，这是所有时间相关计算的前提：

import pandas as pd

# 你的示例数据
df = pd.DataFrame({
    'user_id': [1, 1, 2, 2, 2],
    'date_of_visit': ['1/4/15', '1/6/15', '1/4/15', '1/12/15', '1/23/15']
})

# 转换日期格式（注意匹配你的日期字符串格式）
df['date_of_visit'] = pd.to_datetime(df['date_of_visit'], format='%m/%d/%y')

方法一：利用相邻访问日期差判断（高效简洁） #

核心思路是：如果一个用户有任意两次访问的间隔≤4天，那这两次肯定落在同一个4天窗口内，满足你的需求。实现步骤如下：

def has_close_visits(group):
    # 先对每个用户的访问日期排序（确保时间顺序正确）
    sorted_dates = group.sort_values('date_of_visit')['date_of_visit']
    # 计算相邻日期的天数差
    day_diffs = sorted_dates.diff().dt.days
    # 检查是否存在间隔≤4天的访问（dropna是因为第一个差值为NaN）
    return (day_diffs.dropna() <= 4).any()

# 按user_id分组应用判断函数
result = df.groupby('user_id').apply(has_close_visits)
# 提取符合条件的user_id列表
target_users = result[result].index.tolist()

print(target_users)  # 输出: [1]

这个方法计算量小，运行速度快，适合大多数场景。

方法二：滚动时间窗口统计（更灵活） #

如果以后你需要调整需求（比如找出4天内至少访问3次的用户），滚动窗口的方法会更灵活。它直接统计每个4天窗口内的访问次数，只要有一个窗口满足次数要求即可：

def check_window_visits(group):
    sorted_group = group.sort_values('date_of_visit')
    # 创建4天的滚动时间窗口，统计窗口内的访问次数
    window_counts = sorted_group.rolling('4D', on='date_of_visit')['user_id'].count()
    # 检查是否有窗口的访问次数≥2
    return window_counts.max() >= 2

# 分组应用并筛选
result = df.groupby('user_id').apply(check_window_visits)
target_users = result[result].index.tolist()

print(target_users)  # 输出: [1]

这里的'4D'代表4天的时间跨度，你可以轻松改成'7D'（一周）或者其他时长，非常灵活。

内容的提问来源于stack exchange，提问作者anon_swe