根据条件获取同一熊猫数据框中同一列的两个值之间的差异

Question

我有一个格式为 df1 的熊猫数据框：

df1.head()

  action id     ts
0   A   3   2016-01-28 06:14:08.249000
1   B   3   2016-01-28 07:08:49.901000
2   A   4   2016-01-28 10:42:27.228000
3   B   4   2016-01-29 04:15:33.724000
4   B   4   2016-01-29 04:20:33.724000
5   A   5   2016-01-28 11:12:51.892000

列的数据类型： (action: string, id: int,ts: Series(使用 pandas.to_datetime() 将其从字符串转换))

我想要的是，同一数据帧/另一个系列中的新列，该列在相同 ID 的操作“A”和操作“B”之间存在时间差。唯一的事情是，我需要在min(ts) 中为每个 id 第一次出现动作“A”，然后是减去的值，因为动作“B”必须在动作“B”之后发生，我需要确定第一次出现之间的延迟动作'A'和动作'B'

我可以使用groupby()、merge() 和unstack() 获得它，但我无法在其中获得min(ts)。

提前致谢。

Answer 1

实现这一目标的一种方法是：

In [87]: df
Out[87]:
  action  id                      ts
0      B   3 2016-01-28 06:14:08.249
1      A   3 2016-01-28 07:08:49.901
2      A   4 2016-01-28 10:42:27.228
3      B   4 2016-01-29 04:15:33.724
4      B   4 2016-01-29 04:20:33.724
5      B   5 2016-01-28 11:12:51.892

In [88]: grp = df.groupby(['id'])

In [89]: grp.apply(lambda x: x[x['action'] == 'B'].ts.max()) - \
   ....: grp.apply(lambda x: x[x['action'] == 'A'].ts.min())
Out[89]:
id
3   -1 days +23:05:18.348000
4            17:38:06.496000
5                        NaT
dtype: timedelta64[ns]

注意：请注意您的样本数据集 - 操作 B for id 3 发生在操作 A 之前

如果要消除 NaT，可以使用.dropna()：

In [82]: result = (grp.apply(lambda x: x[x['action'] == 'B'].ts.max()) - \
   ....:           grp.apply(lambda x: x[x['action'] == 'A'].ts.min())).dropna()

In [83]: result
Out[83]:
id
3   -1 days +23:05:18.348000
4            17:38:06.496000
dtype: timedelta64[ns]