pandas 计算直播间人数的峰值和时间

看过来

《pandas 教程》持续更新中，提供建议、纠错、催更等加作者微信: gairuo123（备注：pandas教程）和关注公众号「盖若」ID: gairuo。跟作者学习，请进入 Python学习课程。欢迎关注作者出版的书籍：《深入浅出Pandas》和《Python之光》。

本例的业务背景是对直播间带货场景进行分析，需要计算直播中峰值人数和出现峰值的时间。我们来看看如何用 pandas 完成这个需求。

数据与需求

以下是某个直播间的用户进入直播间与退出直播间的表：

import pandas as pd

data = {
    'ID': [1001, 1003, 1004, 1002, 1005, 1001, 1006, 1007],
    'START': ['2021-06-14 12:12:12', '2021-06-14 13:12:12', 
              '2021-06-14 13:15:12', '2021-06-14 15:12:12',
              '2021-06-14 15:18:12', '2021-06-14 20:12:12',
              '2021-06-14 21:12:12', '2021-06-14 22:12:12'],
    'END': ['2021-06-14 18:12:12', '2021-06-14 16:12:12',
            '2021-06-14 20:12:12', '2021-06-14 16:12:12',
            '2021-06-14 20:12:12', '2021-06-14 23:12:12',
            '2021-06-14 23:15:12', '2021-06-14 23:10:12']
}

df = pd.DataFrame(data)
df
'''
     ID                START                  END
0  1001  2021-06-14 12:12:12  2021-06-14 18:12:12
1  1003  2021-06-14 13:12:12  2021-06-14 16:12:12
2  1004  2021-06-14 13:15:12  2021-06-14 20:12:12
3  1002  2021-06-14 15:12:12  2021-06-14 16:12:12
4  1005  2021-06-14 15:18:12  2021-06-14 20:12:12
5  1001  2021-06-14 20:12:12  2021-06-14 23:12:12
6  1006  2021-06-14 21:12:12  2021-06-14 23:15:12
7  1007  2021-06-14 22:12:12  2021-06-14 23:10:12
'''

ID 是用户，START 和 END 分别为此用户进入和离开直播间的时间，如何用 pandas 计算人数峰值呢？

正确结果是出现在 2021-06-14 15:18:12 人数为 5 人。

思路

我们有两个思路：

将开始时间和结构时间构造一下时间序列，频率保持原数据的秒级别，这样每个用户就得到一个序列，这个序列是此用户所在的所有秒。接着爆炸这个序列，就得到所有用户和所在时间的展开数据。接着按时间数据分组，聚合统计每个秒上的人数，获取数量最多的时间和人数。
另外一个思路是找到数据中最早和早晚的时间，上第一个思路一样构造一个时间序列，然后迭代这个时间数据，将每个时间传入原数据表中查找，统计出每个时间（秒）的用户数，也可以得到结果。不过这个算法速度会更慢。

代码

根据思路，代码如下：

# 遇到数据量大的时间性能可能差些
(
    df.set_index('ID')
    .apply(lambda x: pd.date_range(x.START, x.END, freq='s'),
           axis=1)
    .explode()
    .pipe(lambda s: s.groupby(s))
    .size()
    .pipe(lambda g: (str(g.idxmax()), int(g.max())))
)
# ('2021-06-14 15:18:12', 5)

思路二的代码如下：

# 略

这样就完成了需求。

（完）

pandas 计算直播间人数的峰值和时间

数据与需求

思路

代码

相关内容