（时间序列-时间间隔）基于每日上线时间与下线时间，计算用户最长连续登录时间

表格为虚拟假设的APP用户的登录日志，目标为统计最高连续登录时长（天数）

data = pd.read_excel('./time.xlsx',enconding='gb18030')

合并表格，输出唯一时间，并且进行时间正排序

df1 = data[['id','s_time']].rename(columns={
    
     's_time': 'time'})
df2 = data[['id','e_time']].rename(columns={
    
     'e_time': 'time'})
data_1 = pd.concat([df1,df2]).sort_values(by='time',ascending=True)
data_1

输出唯一时间列表，以及连续时间列表（time_list）

def time_interval(li):
    list_e,start_time = [],None
    for x,y in zip(li,li[1:]):
        if start_time is None:
            start_time = x
        if x==li[-1]:
            list_e.append((start_time,y))
            print(start_time,y)
            start_time = None
        if  (y - x)/ np.timedelta64(1, 'D')> 1:
            list_e.append((start_time,x))
            start_time = None
    else:    
        list_e.append((start_time,y))
    return list_e

df_unique = data_1.groupby(['id'])['time'].agg({
    
    'unique'})
df_unique['time_list'] = df_unique['unique'].apply(lambda x:time_interval(x))
df_unique

对time_list，进行时间处理，输出时间段内连续登录天数，再输出最大天数值

def days_time(x):
    time_intervals = [(end - start)/ np.timedelta64(1, 'D') for start, end in x]
    return time_interv

df_unique['days'] = df_unique['time_list'].apply(lambda x:days_time(x))
df_unique['max_day'] = df_unique['days'].apply(lambda x:max(x))
df_unique