1 mobile_stay_duration 每个停留点白天和夜间的持续时间
transbigdata.mobile_stay_duration(staydata, col=['stime', 'etime'], start_hour=8, end_hour=20)1.1 主要参数
| staydata | 停留数据（每一行是一条数据） |
| col | 列名，顺序为[‘starttime’,’endtime’] |
| start_hour | 白天的开始时间 |
| end_hour | 白天的结束时间 |
1.2 返回内容
| duration_night | 一个panda的Series，表示夜间持续时间 |
| duration_day | 一个panda的Series，表示白天持续时间 |
1.3 举例
import pandas as pd
from transbigdata import mobile_stay_duration# 示例数据
data = {'stime': ['2024-01-01 07:00', '2024-01-01 22:00', '2024-01-02 11:00', '2024-01-02 03:00'],'etime': ['2024-01-01 10:00', '2024-01-02 02:00', '2024-01-02 15:00', '2024-01-02 05:00']
}
staydata = pd.DataFrame(data)
staydata['stime'] = pd.to_datetime(staydata['stime'])
staydata['etime'] = pd.to_datetime(staydata['etime'])
staydata
每一行表示在一个staypoint的开始-结束时间
result = mobile_stay_duration(staydata, col=['stime', 'etime'], start_hour=8, end_hour=20)
result
'''
(0 3600.01 14400.02 0.03 7200.0dtype: float64,0 7200.01 0.02 14400.03 0.0dtype: float64)
'''两个pandas.Series，分别表示夜间/白天持续时间
2 mobile_identify_work 识别工作地点
transbigdata.mobile_identify_work(staydata, col=['uid', 'stime', 'etime', 'LONCOL', 'LATCOL'], minhour=3, start_hour=8, end_hour=20, workdaystart=0, workdayend=4)从手机停留数据中识别工作地点。规则是确定工作日白天持续时间最长的位置（平均持续时间应超过“minhour”）
2.1 参数
| staydata | 停留数据 |
| col | 列名，按 [‘uid’、stime’、’etime’、’locationtag1’、’locationtag2’， …] 的顺序排列。 可以有多个“locationtag”列来指定位置 |
| minhour | 工作日的最短持续时间（小时） |
| workdaystart | 一周中工作日的开始（0表示周一） |
| workdayend | 一周中工作日的结束 |
| start_hour | 工作一天的开始时间 |
| end_hout | 工作一天的结束时间 |
2.2 举例
import pandas as pd
from transbigdata import mobile_identify_work# 示例数据
data = {'uid': [1, 1, 1, 2, 2],'stime': ['2024-01-01 09:00', '2024-01-02 09:30', '2024-01-03 08:45', '2024-01-06 09:15', '2024-01-07 09:45'],'etime': ['2024-01-01 17:00', '2024-01-02 16:30', '2024-01-03 18:00', '2024-01-06 17:15', '2024-01-07 16:45'],'LONCOL': [116.38, 116.39, 116.38, 116.40, 116.40],'LATCOL': [39.90, 39.91, 39.90, 39.92, 39.92]
}
staydata = pd.DataFrame(data)
staydata['stime'] = pd.to_datetime(staydata['stime'])
staydata['etime'] = pd.to_datetime(staydata['etime'])
staydata 
work_locations = mobile_identify_work(staydata, col=['uid', 'stime', 'etime', 'LONCOL', 'LATCOL'], minhour=3, start_hour=8, end_hour=20, workdaystart=0, workdayend=4
)
work_locations 
对于uid=2，他的两个停留记录（1月6日 & 1月7日是周六周日，不是工作日，所以不记录用户2的工作位置）
3 mobile_identify_home 识别居住地位置
从手机停留数据中识别居住地位置。规则是确定夜间持续时间最长的位置
| staydata | 停留数据 |
| col | 列名，按 [‘uid’， ‘stime’， ‘etime’， ‘locationtag1’， ‘locationtag2’， …] 的顺序排列。 可以有多个“位置标签”列来指定位置 |
| start_hour | 白天时间的开始时间 |
| end_hour | 白天时间的结束时间 |
3.1 举例
import pandas as pd
from transbigdata import mobile_identify_home# 示例数据
data = {'uid': [1, 1, 2, 2],'stime': ['2024-01-01 22:00', '2024-01-02 23:00', '2024-01-01 22:30', '2024-01-02 21:00'],'etime': ['2024-01-02 06:00', '2024-01-03 07:00', '2024-01-02 05:30', '2024-01-03 06:00'],'LONCOL': [116.38, 116.39, 116.40, 116.41],'LATCOL': [39.90, 39.91, 39.92, 39.93]
}
staydata = pd.DataFrame(data)
staydata['stime'] = pd.to_datetime(staydata['stime'])
staydata['etime'] = pd.to_datetime(staydata['etime'])
staydata
home_locations = mobile_identify_home(staydata, col=['uid', 'stime', 'etime', 'LONCOL', 'LATCOL'], start_hour=8, end_hour=20)
home_locations
