如何在pandas中筛选在两个事件之间发生过事件的用户？

Question

我有一个表格，内容大致如下：

用户ID	事件	时间戳
1	启动	2023-09-15 14:31:44
1	购买	2023-09-15 14:31:49
1	取消	2023-09-15 14:31:50
1	添加	2023-09-15 14:31:52
2	添加	2023-09-16 14:31:40
2	取消	2023-09-16 14:31:44
2	启动	2023-09-16 14:31:49
2	购买	2023-09-16 14:31:50
2	购买	2023-09-16 14:31:52
3	购买	2023-09-17 14:31:44
3	取消	2023-09-17 14:31:49
3	移除	2023-09-17 14:31:50
3	添加	2023-09-17 14:31:52

我想筛选出那些在“购买”之后和“添加”之前有“取消”事件的用户（不管中间有没有其他事件）。

换句话说，我需要得到以下用户列表：

1, 3

谢谢你们的帮助

我试着添加了“购买时间戳”和“添加时间戳”这两列，然后像这样筛选数据：df[df.event == '取消'].query('时间戳 > '购买时间戳' & 时间戳 < '添加时间戳'')

但我在想，是否有更简单的方法来做到这一点。

Answer 1

代码

如果同一个用户的时间戳是按时间顺序排列的，就像示例数据框那样，你可以使用以下代码：

cond1 = df['event'].eq('buy').groupby(df['user_id']).cummax()
cond2 = df['event'].eq('add').groupby(df['user_id']).cummax()
out = df.loc[df['event'].where(cond1 & ~cond2).eq('cancel'), 'user_id'].unique()

输出

array([1, 3], dtype=int64)

---

示例代码

import pandas as pd
data = {'user_id': [1, 1, 1, 1, 2, 2, 2, 2, 2, 3, 3, 3, 3], 'event': ['launch', 'buy', 'cancel', 'add', 'add', 'cancel', 'launch', 'buy', 'buy', 'buy', 'cancel', 'remove', 'add'], 'timestamp': ['2023-09-15 14:31:44', '2023-09-15 14:31:49', '2023-09-15 14:31:50', '2023-09-15 14:31:52', '2023-09-16 14:31:40', '2023-09-16 14:31:44', '2023-09-16 14:31:49', '2023-09-16 14:31:50', '2023-09-16 14:31:52', '2023-09-17 14:31:44', '2023-09-17 14:31:49', '2023-09-17 14:31:50', '2023-09-17 14:31:52']}
df = pd.DataFrame(data)