一応、本家の方で解決となった様ですが、、、
どうも freq='6H'
という指定に問題がありそうです。
import pandas as pd
df = pd.DataFrame({
'user': [0, 0, 1, 0, 2, 1],
'time': map(pd.Timestamp, [
'2020-05-23 00:01:19',
'2020-05-23 00:13:32',
'2020-05-23 00:13:45',
'2020-05-23 06:10:45',
'2020-05-23 13:13:13',
'2020-05-23 15:13:45',
]),
})
df['session_id'] = (
df.groupby(['user', pd.Grouper(key='time', freq='6H')], sort=False)
.ngroup())
print(df)
## 処理結果
user time session_id
0 0 2020-05-23 00:01:19 0
1 0 2020-05-23 00:13:32 0 <== user 0
2 1 2020-05-23 00:13:45 1
3 0 2020-05-23 06:10:45 2 <== user 0
4 2 2020-05-23 13:13:13 3
5 1 2020-05-23 15:13:45 4
3 行目の session_id が 2
になっています。前回の session は 00:13:32
なので 6 時間以内のはずです。
それでは「6 時間以内の差」でグループ化してみます。
s = df.sort_values(['user', 'time']).groupby('user').time.diff()\
.gt(pd.Timedelta('6h')).cumsum().sort_index()
df['session_id'] = df.groupby(['user', s], sort=False).ngroup()
print(df)
## 処理結果
user time session_id
0 0 2020-05-23 00:01:19 0
1 0 2020-05-23 00:13:32 0 <== user 0
2 1 2020-05-23 00:13:45 1
3 0 2020-05-23 06:10:45 0 <== user 0
4 2 2020-05-23 13:13:13 2
5 1 2020-05-23 15:13:45 3
こちらでは 3 行目の session_id が 0
になります。
つまり、freq='6H'
は一日を 00:00〜06:00
, 06:00〜12:00
, 12:00〜18:00
, 18:00〜24:00
で区切ってグループ化するという事なのでした。
なお、この処理方法は以下を参考に(というかコピペ)しました。
How to assign a unique ID for different groups in pandas dataframe?