使用Pandas计算各用户物品浏览时间差（生成时长数据）

我来帮你一步步解决这个问题，直接上实操步骤和详细解释：

1. 准备数据与环境 #

首先导入Pandas库，加载你的数据并将时间列转换为Pandas可识别的datetime类型——这是计算时间差的基础：

import pandas as pd

# 加载你的原始数据（这里用你提供的示例数据构造DataFrame）
raw_data = [
    [121, 160, '2015-10-20 17:02:02'],
    [231, 160, '2015-10-18 11:02:29'],
    [231, 161, '2015-10-18 11:05:23'],
    [121, 166, '2015-10-18 11:04:34'],
    [231, 180, '2015-10-18 11:06:16'],
    [121, 182, '2015-10-20 17:02:10'],
    [134, 182, '2015-10-18 11:02:53'],
    [124, 185, '2015-10-18 11:04:23'],
    [231, 187, '2015-10-18 11:04:45'],
    [124, 190, '2015-10-18 11:05:43']
]

df = pd.DataFrame(raw_data, columns=['user_id', 'item_id', 'view_started'])
# 将字符串格式的时间转换为datetime类型
df['view_started'] = pd.to_datetime(df['view_started'])

2. 按用户排序并计算时间差 #

核心思路是：每个用户的浏览记录必须按时间顺序排列，然后用下一条浏览的开始时间减去当前物品的开始时间，得到当前物品的浏览耗时：

# 先按用户ID分组，再按浏览时间排序，确保时间顺序正确
df_sorted = df.sort_values(by=['user_id', 'view_started'])

# 对每个用户组，把下一条浏览的时间移到当前行（shift(-1)表示向下偏移一行）
df_sorted['next_view_time'] = df_sorted.groupby('user_id')['view_started'].shift(-1)

# 计算时间差并转换为分钟数（Timedelta转秒再除以60）
df_sorted['minutes'] = (df_sorted['next_view_time'] - df_sorted['view_started']).dt.total_seconds() / 60

3. 整理目标输出表 #

最后筛选出需要的列，并且可以根据需求处理缺失值（用户最后一条浏览记录没有下一条，所以时间差为NaN，可选择保留或删除）：

# 提取目标列，删除无下一条浏览记录的行（也可以保留NaN，根据业务需求调整）
result_df = df_sorted[['user_id', 'item_id', 'minutes']].dropna()

# 可选：将分钟数取整，让结果更整洁
result_df['minutes'] = result_df['minutes'].round(0).astype(int)

# 查看最终结果
print(result_df)

关键逻辑解释 #

• sort_values(['user_id', 'view_started'])：必须保证每个用户的浏览记录是按时间先后排序的，否则计算的时间差会完全错误
• groupby('user_id')['view_started'].shift(-1)：只在同一个用户的范围内偏移时间，避免跨用户计算错误的时间差
• dt.total_seconds() / 60：把Pandas的Timedelta类型时间差转换为分钟数，完全符合你需要的输出格式

内容的提问来源于stack exchange，提问作者add-semi-colons