用户在特定时间段内的出行时间

Question

Geolife数据集是用户移动时记录的 GPS 轨迹。 感谢Sina Dabiri提供了预处理数据的存储库。 我使用他的预处理数据并为 69 个可用用户创建了 GSP 日志数据框。

在这篇文章中，是 3 个用户按问题描述的数据的一小部分提取。

import pandas as pd

data = {'user': [10,10,10,10,10,10,10,10,21,21,21,54,54,54,54,54,54,54,54,54],
 'lat': [39.921683,39.921583,39.92156,39.13622,39.136233,39.136241,39.136246,39.136251,42.171678,42.172055,
         42.172243,39.16008333,39.15823333,39.1569,39.156,39.15403333,39.15346667,39.15273333,39.14811667,39.14753333],
 'lon': [116.472342,116.472315,116.47229,117.218033,117.218046,117.218066,117.218166,117.218186,123.676778,123.677365,
         123.677657,117.1994167,117.2002333,117.2007667,117.2012167,117.202,117.20225,117.20255,117.2043167,117.2045833],
 'date': ['2009-03-21 13:30:35','2009-03-21 13:33:38','2009-03-21 13:34:40','2009-03-21 15:30:12','2009-03-21 15:32:35',
          '2009-03-21 15:38:36','2009-03-21 15:44:42','2009-03-21 15:48:43','2007-04-30 16:00:20', '2007-04-30 16:05:22',
          '2007-04-30 16:08:23','2007-04-30 11:47:38','2007-04-30 11:48:07','2007-04-30 11:48:27','2007-04-30 12:04:39',
          '2007-04-30 12:04:07','2007-04-30 12:04:32','2007-04-30 12:19:41','2007-04-30 12:20:08','2007-04-30 12:20:21']
 }

和数据框：

df = pd.DataFrame(data)

df
    user    lat        lon            date
0   10  39.921683   116.472342  2009-03-21 13:30:35
1   10  39.921583   116.472315  2009-03-21 13:33:38
2   10  39.921560   116.472290  2009-03-21 13:34:40
3   10  39.136220   117.218033  2009-03-21 15:30:12
4   10  39.136233   117.218046  2009-03-21 15:32:35
5   10  39.136241   117.218066  2009-03-21 15:38:36
6   10  39.136246   117.218166  2009-03-21 15:44:42
7   10  39.136251   117.218186  2009-03-21 15:48:43
8   21  42.171678   123.676778  2007-04-30 16:00:20
9   21  42.172055   123.677365  2007-04-30 16:05:22
10  21  42.172243   123.677657  2007-04-30 16:08:23
11  54  39.160083   117.199417  2007-04-30 11:47:38
12  54  39.158233   117.200233  2007-04-30 11:48:07
13  54  39.156900   117.200767  2007-04-30 11:48:27
14  54  39.156000   117.201217  2007-04-30 12:04:39
15  54  39.154033   117.202000  2007-04-30 12:04:07
16  54  39.153467   117.202250  2007-04-30 12:04:32
17  54  39.152733   117.202550  2007-04-30 12:19:41
18  54  39.148117   117.204317  2007-04-30 12:20:08
19  54  39.147533   117.204583  2007-04-30 12:20:21

我的问题：

我想计算用户在特定时期旅行的时间。

例如。

• 用户在March-2009出行的总时间：本月只有用户 10 出行。 于 2009 年 3 月13:30:35 2009-03-21 但是在13:34:40之后有一个长跳到15:30:12 。 由于这段跳跃时间超过 30 分钟，我们将其视为另一次旅行。 因此，用户 10 该月记录了 2 次行程。 第一次约 5 分钟，第二次约 19 分钟。 所以这个月用户的旅行时长是5 + 19 = 24 minutes 。
• 2007 年April 2007 ，用户 21 和 54 记录了同一天的行程。 用户 21 在16:00:20开始了大约 8 分钟。 用户 54 于11:47:38开始，大约 1 分钟后，我们看到跳转到12:04:39 。 时间间隔不超过30分钟，所以我们认为它是单程。 为此，54 覆盖了大约 33 分钟的行程。 因此，该月的用户出行时间为8 + 33 = 41minutes 。
• 有时，我还想确定从February 2008到 2009 年March 2009的行程时间。

我该如何进行这种分析？

任何一点，使用上面提供的小数据将不胜感激。

Answer 1

这段代码不是最有效的，无论如何你可以测试它是否符合你的需要：

df['date'] = pd.to_datetime(df['date'])

duration = (df.groupby(['user', df['date'].dt.month]).
            apply(lambda x: (x['date']-x['date'].shift()).dt.seconds).
            rename('duration').
            to_frame())

res = (duration.mask(duration>1800,0).  # 1800 - limit for a trip duration in seconds
       groupby(level=[0,1]).
       sum().
       truediv(60).  # converting seconds to minutes
       rename_axis(index={'date':'month'}))

print(res)
'''
            duration
user month          
10   3         22.60
21   4          8.05
54   4         33.25