如何在 Python 中对 Pandas 的每个组进行时间差异

Question

这是虚假数据：

df = pd.DataFrame({'email': ['u1','u1','u1','u2','u2','u2'],
              'timestamp': [3, 1, 5, 11, 15, 9]})

我打算检索的是每组电子邮件中的时间差异。因此，在每组中按时间戳排序后，数据应该是：

u1  5
u1  3
u1  1
u2  15
u2  11
u2  9

结果应该是：

u1  2  # 5-3
u1  2  # 3-1
u2  4  # 15-11
u2  2  # 11-9

谁能告诉我下一步该怎么做？非常感谢。

Answer 1

df = pd.DataFrame({'email': ['u1','u1','u1','u2','u2','u2'],
                   'timestamp': [3, 1, 5, 11, 15, 9]})

(df.sort_values(['email', 'timestamp'], ascending=[True, False])
 .groupby('email')['timestamp']
 .diff(-1)
 .dropna())
Out: 
2    2.0
0    2.0
4    4.0
3    2.0
Name: timestamp, dtype: float64

保留电子邮件栏：

df.sort_values(['email', 'timestamp'], ascending=[True, False], inplace=True)
df.assign(diff=df.groupby('email')['timestamp'].diff(-1)).dropna()
Out: 
  email  timestamp  diff
2    u1          5   2.0
0    u1          3   2.0
4    u2         15   4.0
3    u2         11   2.0

如果您不想要时间戳列，可以在末尾添加.drop('timestamp', axis=1)。