根据熊猫组比较日期

Question

好的，所以我想根据记录它们的用户来获取日期和时间之间的差异。我似乎无法在网上找到任何关于此的信息，所以这是我最后的手段。我有这个：

timePage['Time spent on page'] = timePage['date'].diff()

它告诉我日期列上的日期之间的差异，但它也没有考虑到不同的用户。我已经按用户对我的数据进行了分组，然后是实例，然后是日期，并希望代码到达用户组的底部，并说下一个日期不应该与这个日期进行比较，因为它是一个不同的用户。 此外，它不适用于我的数据的第一个索引。那么我如何让它比较第一个和第二个索引，然后将其存储在第一个索引行上呢？

样本数据：

L = [{ "user" : "43tuhgn34",
   "Instance" : "f34yh",
   "Date" : "2019-02-14 12:54:52.000000+00:00"},
 { "user" : "43tuhgn34",
   "Instance" : "wrg32",
   "Date" : "2019-02-15 11:34:12.000000+00:00"},
{ "user" : "erg34g",
   "Instance" : "f34yh",
   "Date" : "2018-03-11 17:21:26.430000+00:00"}]

Answer 1

将GroupBy.apply 与 lambda 函数一起使用，bfill 在这里按组工作：

timePage = pd.DataFrame(L)

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

timePage['Time spent on page'] = (timePage.groupby('user')['Date']
                                          .apply(lambda x: x.diff().bfill()))
print (timePage)
        user Instance                             Date Time spent on page
0  43tuhgn34    f34yh        2019-02-14 12:54:52+00:00           22:39:20
1  43tuhgn34    wrg32        2019-02-15 11:34:12+00:00           22:39:20
2     erg34g    f34yh 2018-03-11 17:21:26.430000+00:00                NaT

如果所有组至少有 2 行，则可以将 DataFrameGroupBy.diff 与 bfill 连接起来，但要小心，因为 bfill 此处不适用于每个组：

timePage = pd.DataFrame(L)

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

timePage['Time spent on page'] = timePage.groupby('user')['Date'].diff().bfill()
print (timePage)