pandas中groupby列的timedeltas [重复]答案

【问题标题】：timedeltas for a groupby column in pandas [duplicate]pandas中groupby列的timedeltas [重复]
【发布时间】：2018-09-06 20:40:18
【问题描述】：

对于给定的数据框df

timestamps = [
    datetime.datetime(2018, 1, 1, 10, 0, 0, 0), # person 1
    datetime.datetime(2018, 1, 1, 10, 0, 0, 0), # person 2
    datetime.datetime(2018, 1, 1, 11, 0, 0, 0), # person 2
    datetime.datetime(2018, 1, 2, 11, 0, 0, 0), # person 2
    datetime.datetime(2018, 1, 1, 10, 0, 0, 0), # person 3
    datetime.datetime(2018, 1, 2, 11, 0, 0, 0), # person 3
    datetime.datetime(2018, 1, 4, 10, 0, 0, 0), # person 3
    datetime.datetime(2018, 1, 5, 12, 0, 0, 0)  # person 3
]
df = pd.DataFrame({'person': [1, 2, 2, 2, 3, 3, 3, 3], 'timestamp': timestamps })

我想为每个人 (df.groupby('person')) 计算那个人的所有时间戳之间的时间差，我想用diff() 来计算。

df.groupby('person').timestamp.diff()

只是一半，因为返回到人的映射丢失了。

解决方案是什么样的？

【问题讨论】：

不，不是真正的重复。我错过了diff 需要transform 的那一点。这就是我的问题的答案。
你有没有实际尝试过上面的dup？它工作正常..
是的，正如您在我的问题中看到的那样，我正是这样做的（使用diff()），但这不是正确的解决方案。正如@jezreal 指出的那样，我错过了 diff 不会聚合值，但 transform 会。
我认为这是用户错误的情况。如果您完全按照帖子中的描述应用逻辑，它就可以工作。我知道，因为我检查过。我将在这里发布一个示例。
我很抱歉，确实是我的错误！很抱歉！

标签： python pandas datetime dataframe pandas-groupby

【解决方案1】：

我认为你应该使用

df.groupby('person').timestamp.transform(pd.Series.diff)

【讨论】：

【解决方案2】：

有问题diff没有聚合值，所以可能的解决方案是transform：

df['new'] = df.groupby('person').timestamp.transform(pd.Series.diff)
print (df)
   person           timestamp             new
0       1 2018-01-01 10:00:00             NaT
1       2 2018-01-01 10:00:00             NaT
2       2 2018-01-01 11:00:00 0 days 01:00:00
3       2 2018-01-02 11:00:00 1 days 00:00:00
4       3 2018-01-01 10:00:00             NaT
5       3 2018-01-02 11:00:00 1 days 01:00:00
6       3 2018-01-04 10:00:00 1 days 23:00:00
7       3 2018-01-05 12:00:00 1 days 02:00:00

【讨论】：