对 pandas 数据帧中特定行对之间的时间增量求和

Question

一直在纠结这个问题，还是搞不懂。

在我们的产品上观看直播时，我有一些用户操作日志，我需要能够了解用户观看直播的总时间，减去他们暂停直播的任何时间.

我的数据框看起来像这样（经过一些过滤）

                dateHourMinute             event      user
2    2020-05-01 14:35:00+01:00              play  clqj9026
5811 2020-05-01 14:45:00+01:00             pause  clqj9026 # -- exclude this
5812 2020-05-01 15:00:00+01:00              play  clqj9026 # -- timedelta
5846 2020-05-01 15:01:00+01:00              play  clqj9026
6147 2020-05-01 15:07:00+01:00             pause  clqj9026
6148 2020-05-01 15:07:00+01:00              play  clqj9026
6354 2020-05-01 15:20:00+01:00             pause  clqj9026
6355 2020-05-01 15:20:00+01:00              play  clqj9026
6392 2020-05-01 15:21:00+01:00              play  clqj9026
6505 2020-05-01 15:23:00+01:00             pause  clqj9026
6506 2020-05-01 15:23:00+01:00  stopped_watching  clqj9026

我想对每对“播放/暂停”事件之间的时间增量求和，但避免包括暂停/播放事件之间的间隔，假设用户此时已关闭流。

该示例显示了连续事件，但我们必须假设存在流暂停且用户正在执行其他操作的实例。此外，我需要忽略依次发生两次的同一事件的实例。我知道我可以做到df.dateHourMinute.diff().sum()，但这并没有考虑到流暂停的时间段。

其次，有没有一种方法可以做到这一点，而无需遍历 user 列中的唯一值来获取每个用户的总观看时间？#

编辑：更改了上表以显示流暂停的间隙。为了澄清上表的总观看时间应该是 33 分钟（注意 14:45 的第一个“暂停”和 15:00 的第二个“播放”事件之间的时间段，我想排除那个时间段） .

Answer 1

试试这个：

df['dateHourMinute'] = pd.to_datetime(df['dateHourMinute'])
df = df.sort_values('dateHourMinute')
df['time_diff'] = df['dateHourMinute'].shift(-1) - df['dateHourMinute']
df = df[df['event']=='play']
print(df['time_diff'].sum())

第一行将dateHourMinute 转换为日期时间。第二行按时间对数据进行排序。第三行减去两个连续行之间的时间。现在您在每次播放和暂停之间都有时间。现在你可以对数据做任何你想做的事情！最后一行添加了所有time_diffs。这个数据是0 days 00:48:00

如果有帮助，请告诉我。