计算行之间的 timedelta 作为第二列的每个元素的最大和最小时间之间的差答案

【问题标题】：Calculate a timedelta between rows as the difference between the maxium and the minimum time for each element of a second column计算行之间的 timedelta 作为第二列的每个元素的最大和最小时间之间的差
【发布时间】：2019-09-09 21:46:11
【问题描述】：

我想根据该项目的第一个订单和最后一个订单之间的时间来计算该项目的分布。不过，要达到这个目标，首先我必须得到每个项目的时间增量。

我的初始数据框有三列：“Order_ID”、“Order_DATE”、“Medium_ID”，如下例：

df = pd.DataFrame({'Medium_ID': {0: '1359',
 1: '1360',
 2: '1359',
 3: '1360',
 4: '1360',
 5: '1404',
 6: '1381',
 7: '1359',
 8: '1419',
 9: '1360'},

 'Order_ID': {0: '1',
 1: '2',
 2: '3',
 3: '4',
 4: '5',
 5: '6',
 6: '7',
 7: '8',
 8: '9',
 9: '10'},

'Order_DATE': {0: Timestamp('2008-04-21 00:00:00'),
 1: Timestamp('2008-04-21 00:00:00'),
 2: Timestamp('2008-04-21 00:00:00'),
 3: Timestamp('2008-04-21 00:00:00'),
 4: Timestamp('2008-04-22 00:00:00'),
 5: Timestamp('2008-04-22 00:00:00'),
 6: Timestamp('2008-04-23 00:00:00'),
 7: Timestamp('2008-04-23 00:00:00'),
 8: Timestamp('2008-04-23 00:00:00'),
 9: Timestamp('2008-04-28 00:00:00')}}))

因为我们可以为同一个 medium_ID 有多个 order_ID，所以我首先尝试按“Medium_ID”列进行分组，但后来我不知道如何发展。

我想要一个包含两列的新数据框：“Medium_ID”和“Days_between_the_last_and_the_first-order”，最后显示“Days_between_the_last_and_the_first-order”系列的分布。

【问题讨论】：

标签： python-3.x pandas max min timedelta

【解决方案1】：

您可以计算每个项目的第一个订单和最后一个订单之间的天数，例如：

df.groupby('Medium_ID').Order_DATE.apply(lambda x: x.max() - x.min())

结果：

Medium_ID
1359   2 days
1360   7 days
1381   0 days
1404   0 days
1419   0 days

【讨论】：

比我的更好、更简单、更整洁的解决方案:))。一定要赞成！

【解决方案2】：

对于最后一个订单日期和第一个订单日期之间的天数，您可以试试这个。

grouped = (
    df.drop("Order_ID", axis=1)
    .sort_values(["Medium_ID", "Order_DATE"])
    .groupby("Medium_ID")
    .agg(["first", "last"])
)
grouped.columns = ["first_order_date", "last_order_date"]
grouped.reset_index(inplace=True)
grouped["days_between_last_and_first_order"] = (
    grouped["last_order_date"] - grouped["first_order_date"]
).dt.days
grouped = grouped[["Medium_ID", "days_between_last_and_first_order"]]

或者，使用@Franco 的解决方案是，

grouped = df.groupby("Medium_ID")["Order_DATE"].apply(
    lambda x: x.max() - x.min()
).to_frame().reset_index().rename(
    {"Order_DATE": "days_between_last_and_first_order"}, axis=1
)
grouped["days_between_last_and_first_order"] = grouped["days_between_last_and_first_order"].dt.days

为了可视化分布，

grouped.hist(column="days_between_last_and_first_order")

【讨论】：

谢谢！通过“显示分布...”部分，我的意思是显示每个 timedelta 出现的直方图。让我解释一下：如果列 的 dtype 分组。 days_between_last_and_first_order 是一个 INT 我可以有这样的东西：grouped.hist(column=" days_between_last_and_first_order") 显示事件的“分布”。
@rafspo 我已经更新了我的答案以满足您的需要。所以想法是，使用.dt.days从days_between_last_and_first_order 列中提取数字