在 24 小时内计算重复/重复 ID

Question

我正在尝试计算每个用户在 24 小时内发布的 cmets 数量。换句话说：计算 24 小时内的重复次数（=用户 ID）。如果计数 >= 5，我想记录它。

示例（下面的最终输出）：

1. 如果 ID 为 100 的用户在 13/02/2018 05:15 和 19/02/2018 03:52 和 19/02/2018 16:53 发表评论，则此用户 ID 的计数应为 2。但是我不想写下来，因为它不是>=5

2. 如果 ID 为 521 的用户在

   上发布了 cmets
   • 13/02/2018 02:08,
   • 19/02/2018 15:05,
   • 19/02/2018 15:53,
   • 19/02/2018 15:55,
   • 19/02/2018 16:00,
   • 19/02/2018 18:00,
   • 20/02/2018 18:40

   end_date_24 19/02/2018 18:00 的第一个计数应为 5，end_date_24 19/02/2018 18:40 的第二个计数也应为 5

输入数据：

print(df)
               Date  User_ID  Post_ID
0  13/02/2018 02:08      521       11
1  13/02/2018 05:15      100       12
2  19/02/2018 03:52      100       13
3  19/02/2018 15:05      521       14
4  19/02/2018 15:53      521       15
5  19/02/2018 15:55      521       16
6  19/02/2018 16:00      521       17
7  19/02/2018 16:53      100       18
8  19/02/2018 18:00      521       19
9  20/02/2018 18:40      521       20

预期输出：

        End_Date_24  Count_last_24H  User_ID
0  19/02/2018 18:00               5      521
1  19/02/2018 18:40               5      521

Answer 1

我会选择熊猫。然后编写了一个函数，该函数将数据帧简化为具有给定时间段和给定用户 ID 的记录。最后计数并记录是否满足条件。 看看pandas' DataFrame。我认为它可以为您提供您想要的一切。