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 pddef random_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:"""def tstr():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 pddef is_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Trueif (time_cumsum <= outlier_duration).any():return True# 不存在刷单return False

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