如何在groupby中获取日期列的差异

Question

目前我的数据如下：

user_ID order_number    order_start_date    order_value week_day
237 135950  1594878.0   2018-01-01  534.0   Monday
235 32911   1594942.0   2018-01-01  89.0    Monday
232 208474  1594891.0   2018-01-01  85.0    Monday
231 9048    1594700.0   2018-01-01  224.0   Monday
228 134896  1594633.0   2018-01-01  449.0   Monday

我想要实现的是按 user_ID 对记录进行分组，并取每个日期的最小值和最大值的差异，并找出它们之间的差异天数。我在哪里挣扎：

• Groupby 本身并不支持最小最大差异
• 不能对作为数据帧中的列存在的日期时间序列执行数值运算，例如 mean()。虽然可能适用于单个系列。 有什么帮助吗？

Answer 1

我觉得你的描述实际上是伪代码！

output = df.groupby('user_ID')['order_start_date'].apply(lambda g: g.max()-g.min())

然后您可以将天数的差异作为数字（而不是 timedeltas）：

output = [i / pd.Timedelta(days=1) for i in output]

您的示例数据的输出全部为 0，因为每个用户只有一个条目，这是您所期望的吗？

至于取平均值，您只需将日期表示为一段时间以来的秒数，然后取平均值。我从很久以前就尝试将所有转换为timedeltas 然后平均，但this post 做得更好并且与groupby 配合得很好。这是一个测试场景，其中一个用户 ID 的所有数据和日期从 2020 年 1 月 1 日到 1 月 5 日：

df.loc[:,'user_ID'] = 1111
df['order_start_date'] = pd.date_range('01-01-2020','01-05-2020',periods=5)
df['order_start_date'] = np.array(df['order_start_date'],dtype='datetime64[s]').view('i8')
output = df.groupby('user_ID')['order_start_date'].mean().astype('datetime64[s]')

结果：

user_ID
1111   2020-01-03