点击上方蓝色字体，关注程序员zhenguo

你好，我是 zhenguo
今天这篇文章是一个关于好玩实用的小案例，使用Pandas的滑动窗口方法确定是否存在刷单行为，给予黄牛党致命一击。
滑动窗口可能是你应用没那么多的方法，但是在处理事件序列的场景中，滑动窗口的价值凸显！

批量随机生成时间戳

实现方法

如下批量生成时间戳，random_timestamp函数中，hour传入小时（24小时制）ymd表示年月日，默认为2021-12-01
import
 random

import
 pandas 
as
 pd


defrandom_timestamp(hour, ymd='2021-12-01'):
"""

    生成年月日固定，分秒随机的时间戳

    :param ymd:

    :param hour: 传入小时

    :return:

    """


deftstr():
        tms = set([random.randrange(
1
, 
59
, 
2
) 
for
 _ 
in
 range(
20
)])

return
 [
f'2020-12-01 {hour}:{ms}:{ms}'for
 ms 
in
 tms]


return
 [pd.Timestamp(ws) 
for
 ws 
in
 tstr()]

调用

series = random_timestamp(
9
)

结果:
[Timestamp(
'2020-12-01 09:01:01'
), Timestamp(
'2020-12-01 09:35:35'
), Timestamp(
'2020-12-01 09:05:05'
), Timestamp(
'2020-12-01 09:07:07'
), Timestamp(
'2020-12-01 09:09:09'
), Timestamp(
'2020-12-01 09:11:11'
), Timestamp(
'2020-12-01 09:13:13'
), Timestamp(
'2020-12-01 09:19:19'
), Timestamp(
'2020-12-01 09:53:53'
), Timestamp(
'2020-12-01 09:55:55'
), Timestamp(
'2020-12-01 09:23:23'
), Timestamp(
'2020-12-01 09:21:21'
), Timestamp(
'2020-12-01 09:29:29'
), Timestamp(
'2020-12-01 09:31:31'
)]

使用滑动窗口找出频繁刷单用户

需求

定义在20分钟连续下单为：刷单
给你一批交易数据，类型为pd.Series，确定这批数据是否存在频繁刷单的行为。

使用滑动窗口

Pandas的rolling方法，求出固定滑动窗口长度的序列。
import
 pandas 
as
 pd


defis_outlier(time_series: pd.Series, outlier_duration=20, outlier_count=5):
"""

    outlier_duration分钟内连续交易outlier_count次认为是异常

    :param time_series:

    :param outlier_duration:

    :param outlier_count:

    :return:

    """

# 排序
    time_series2 = time_series.sort_values()

# 基于最早时间的时间跨度
    time_delta = (time_series2 - time_series2.iloc[
0
]) / np.timedelta64(
1
, 
's'
) / 
60.
# 求得长度为outlier_count的滑动窗口的时间跨度
    time_cumsum = time_delta.rolling(outlier_count).sum()

# 若outlier_count次交易的时间小于outlier_duration，就是所定义的刷单，返回True
if
 (time_cumsum <= outlier_duration).any():

returnTrue
# 不存在刷单
returnFalse

调用

使用小技巧25，生成随机时间戳序列，调用
series = random_timestamp(
9
) 
# hour 等于9点
print(series)


result = is_outlier(pd.Series(series))

print(result)

zhenguo原创精华PDF，倾情奉献给你，后台回复对应关键词下载，给文章点个赞：
Python专题 | 数据分析手册 | 算法刷题100
继续阅读
阅读原文
关键词
数据
方法
小时
时间