在 Pandas 中拆分、分组、组合以查找日期差异答案

【问题标题】：split, groupby, combine in Pandas to find a difference in dates在 Pandas 中拆分、分组、组合以查找日期差异
【发布时间】：2015-09-03 12:13:52
【问题描述】：

我有一个如下所示的简单数据框：

我想使用groupby按id分组，然后找到一些方法来区分日期，然后将它们列绑定回数据框，所以我最终得到了这个：

groupby 很简单，

grouped = DF.groupby('id')

找到最早的日期很简单，

maxdates = grouped['date'].min()

但我不确定如何继续。如何应用日期减法运算，然后合并？

有一个类似的问题here。

感谢您阅读本文。

我的数据框是：

dates=pd.to_datetime(['2015-01-01', '2015-02-01', '2015-03-01', '2015-04-01', '2015-05-01', '2015-01-01', '2015-01-02', '2015-01-03', '2015-01-04', '2015-01-05'])

DF = DataFrame({'id':[1,1,1,1,1,2,2,2,2,2], 'date':dates})
cols = ['id', 'date']
DF=DF[cols]

编辑： 下面的两个答案都很棒。我希望我能接受他们两个。

【问题讨论】：

标签： python date pandas

【解决方案1】：

你可以像这样使用apply：

earliest_by_id = DF.groupby('id')['date'].min()
def since_earliest(row):
    return row.date - earliest_by_id[row.id]

DF['days_since_earliest'] = DF.apply(since_earliest, axis=1)
print(DF)

   id       date  days_since_earliest
0   1 2015-01-01               0 days
1   1 2015-02-01              31 days
2   1 2015-03-01              59 days
3   1 2015-04-01              90 days
4   1 2015-05-01             120 days
5   2 2015-01-01               0 days
6   2 2015-01-02               1 days
7   2 2015-01-03               2 days
8   2 2015-01-04               3 days
9   2 2015-01-05               4 days

编辑：

DF['days_since_earliest'] = DF.apply(since_earliest, axis=1).astype('timedelta64[D]')
print(DF)

   id       date  days_since_earliest
0   1 2015-01-01                    0
1   1 2015-02-01                   31
2   1 2015-03-01                   59
3   1 2015-04-01                   90
4   1 2015-05-01                  120
5   2 2015-01-01                    0
6   2 2015-01-02                    1
7   2 2015-01-03                    2
8   2 2015-01-04                    3
9   2 2015-01-05                    4

【讨论】：

熊猫真是太棒了。 APL 遗产 FTW！
@DTing 我不知道DF.date 和DF["date"] 是同义词。 Pandas 中的索引是一个疯狂的过程，[ ], .ix, .loc. .iloc 等等等等。我想我会将. 添加到列表中。还有——为什么这个函数返回x days？我们如何摆脱文本days？ Pandas 似乎很冒昧地在其中注入文本。实际上，一个同样紧迫的问题是，该操作如何以天为单位返回值？为什么不是几年或几个月？这里发生了非常神秘的事情......
days_since_earliest 的数据类型为timedelta64[ns]。您可以使用以下方式进行转换：pandas.pydata.org/pandas-docs/dev/…。

【解决方案2】：

FWIW，使用transform 通常比apply 更简单（通常更快）。 transform 获取 groupby 操作的结果并将其广播到原始索引：

>>> df["dse"] = df["date"] - df.groupby("id")["date"].transform(min)
>>> df
   id       date      dse
0   1 2015-01-01   0 days
1   1 2015-02-01  31 days
2   1 2015-03-01  59 days
3   1 2015-04-01  90 days
4   1 2015-05-01 120 days
5   2 2015-01-01   0 days
6   2 2015-01-02   1 days
7   2 2015-01-03   2 days
8   2 2015-01-04   3 days
9   2 2015-01-05   4 days

如果您更喜欢整数天而不是 timedelta 对象，您可以使用 dt.days 访问器：

>>> df["dse"] = df["dse"].dt.days
>>> df
   id       date  dse
0   1 2015-01-01    0
1   1 2015-02-01   31
2   1 2015-03-01   59
3   1 2015-04-01   90
4   1 2015-05-01  120
5   2 2015-01-01    0
6   2 2015-01-02    1
7   2 2015-01-03    2
8   2 2015-01-04    3
9   2 2015-01-05    4

【讨论】：