Pandas技术问题：筛选4天窗口内有2次访问的用户ID

你的需求是找出存在至少两次访问间隔在4天窗口内的用户ID，原代码没得到正确结果主要有两个核心问题：一是日期列还是字符串格式，Pandas无法识别为时间维度来计算窗口；二是rolling窗口的逻辑没有基于正确的时间类型执行。下面是具体的修正方案：

方案一：计算相邻日期差值（直观高效） #

这个方法直接针对"两次访问间隔≤4天"的核心需求，逻辑更清晰：

import pandas as pd

# 先把字符串日期转为Pandas可识别的datetime类型
df['date_of_visit'] = pd.to_datetime(df['date_of_visit'], format='%m/%d/%y')

# 按用户分组，检查是否存在相邻访问间隔≤4天的情况
target_users = df.groupby('user_id').filter(
    lambda x: (x['date_of_visit'].sort_values().diff().dt.days <= 4).any()
).user_id.unique()

print(target_users)  # 输出: [1]

方案二：修正rolling窗口逻辑（适配你的原思路） #

如果想沿用rolling的思路，需要先修复日期类型问题，同时调整窗口参数：

import pandas as pd

# 转换日期格式是前提
df['date_of_visit'] = pd.to_datetime(df['date_of_visit'], format='%m/%d/%y')

# 分组后先排序日期，再用时间窗口检查是否有≥2条记录的情况
target_users = df.groupby('user_id').filter(
    lambda x: x.sort_values('date_of_visit')
               .set_index('date_of_visit')
               .rolling('4D')  # 大写D表示自然日，小写d是工作日，这里用大写更符合需求
               .count()
               .gt(1)
               .any()
).user_id.unique()

print(target_users)  # 输出: [1]

原代码失效的原因 #

1. 日期类型错误：date_of_visit是字符串时，set_index后的索引是字符串序列，rolling('4d')无法解析为时间窗口，只会按行号做滑动窗口，完全偏离了时间间隔的计算逻辑。
2. 未排序日期：如果用户的访问日期未排序，rolling窗口的计算顺序会混乱，导致错误的计数结果。

内容的提问来源于stack exchange，提问作者anon_swe