如何确定日期列表中的天数差异？

Posted 2023-03-12

【中文标题】如何确定日期列表中的天数差异？

【英文标题】：How to determine the difference in days in a list of dates?

【发布时间】：2021-11-04 18:20:30

【问题描述】：

我有一个数据框，其中包含一个包含日期列表的列。日期的长度范围可以是（2 个以上的日期）。我希望创建一个新列，其中包含此列表中最小日期和最大日期之间的天数，但不完全确定最好的方法是什么？任何帮助将不胜感激！

data = [
    ["Item_1", ["2020-06-01", "2020-06-02", "2020-07-05"]],
    ["Item_2", ["2018-04-15", "2018-04-22"]],
    ["Item_3", ["2016-02-15", "2016-02-22", "2016-03-05", "2016-04-01"]],
]

df = pd.DataFrame(data, columns=["Item_ID", "Dates"])
df

【参考方案1】：

我们可以Series.explodeDates 列，转换to_datetime，然后groupby agg 以找到每个组的最小和最大日期，获取每个组的diff，并将结果分配回一个新的专栏：

df['Duration'] = (
    # explode lists into usable Series and convert to Datetime
    pd.to_datetime(df['Dates'].explode())
        .groupby(level=0).agg(['min', 'max'])  # Get min and max per group
        .diff(axis=1)  # Diff across rows
        .iloc[:, -1]  # Get the resulting difference
)

如果保证列表是有序的，我们可以简单地从第一个值中减去列表中的最后一个值，得到转换后的持续时间to_datetime：

df['Duration'] = (
    # get last value in list and subtract from first value 
    # after converting each to datetime
    pd.to_datetime(df['Dates'].str[-1]) - pd.to_datetime(df['Dates'].str[0])
)

两个选项都产生df:

  Item_ID                                             Dates Duration
0  Item_1              [2020-06-01, 2020-06-02, 2020-07-05]  34 days
1  Item_2                          [2018-04-15, 2018-04-22]   7 days
2  Item_3  [2016-02-15, 2016-02-22, 2016-03-05, 2016-04-01]  46 days

【讨论】：

@user，查看我添加的答案。

【参考方案2】：

有很多方法

选项 1：保持 numpy 和一个衬垫

df['Lapse'] =df.agg(lambda x: np.ptp(np.array(x['Dates'], dtype='datetime64')), axis=1)

选项 2：走很长的路

爆炸

强制日期到日期时间

使用 np.ptpt 找出极端的差异

df=df.explode('Dates')
     df['Dates']=pd.to_datetime(df['Dates'], format='%d,%m,%Y')
     df.groupby('Item_ID').agg(lapse= ('Dates', np.ptp), Dates=('Dates', list))