熊猫从组中获取列的第一个和最后一个值

Question

您好，我有 dataframe，其中包含同一 ID 的多行。其中一列是日期（按升序排列）。我想计算第一个条目和最后一个条目之间的日期差。

我通过如下实例化一个 pandas 构造函数来做到这一点：

g = df.groupby('ID')

print(pd.DataFrame({'first':g.Date.nth(0), 'last':g.Date.nth(-1)}))

第一个值是正确的，但是最后一个值远不正确。

例如，对于特定 id，first date 是 2000-05-08，last date 是 8/21/2010。输出的结果是：

               first       last
ID                         
31965.0        2000-05-08  2002-12-29

2002-12-29 位于中间。

样本数据：

ID  Date
31965   5/8/2000
31965   5/10/2000
31965   5/18/2000
31965   5/22/2000
31965   5/23/2000
31965   5/25/2000
31965   5/30/2000
31965   6/7/2000
31965   6/8/2000
31965   6/11/2000
31965   6/13/2000
.....
31965   4/11/2009
31965   5/9/2009
31965   5/16/2009
31965   5/23/2009
31965   2/5/2010
31965   2/26/2010
31965   3/13/2010
31965   4/10/2010
31965   8/21/2010

我希望 ID 31965 的结果为：2000 年 5 月 8 日和 2010 年 8 月 21 日，以便最终计算出日期差异。

Answer 1

您可以一步完成，确保您的“日期”列是 dtype 日期时间，

df['Date'] = pd.to_datetime(df['Date'])

df.groupby('ID')['Date'].agg(['first','last'])

现在，我怀疑您的数据可能没有正确排序，但如果您仍然想要最早和最晚的日期，那么您可以这样做：

df.groupby('ID')['Date'].agg(['min','max']).rename(columns={'min':'first','max':'last'})

或者你可以使用 sort_values ：

df.sort_values('Date').groupby('ID')['Date'].agg(['first','last'])

Answer 2

您可能必须以这种方式解析最后一个日期：

import datetime

def parser(x):
    return datetime.strptime(str(x), '%m/%d/%Y')

在这里，您将日期字符串输入到函数中，该函数返回一个解析的日期。您可以类似地解析第一个日期，并生成与最后一个日期一致的内容；您可能需要在区域%m/%d/%Y 中更改的唯一内容。那应该可以解决您的问题。阅读此页面了解更多信息：https://docs.python.org/2/library/datetime.html