迭代 Pandas 数据框上的唯一日期

Posted 2023-03-12

【中文标题】迭代 Pandas 数据框上的唯一日期

【英文标题】：Iterate over unique dates on a Pandas dataframe

【发布时间】：2020-10-29 19:58:43

【问题描述】：

我有一个这样的熊猫数据框

id        date      time    dif
01  2020-04-02  09:44:00
02  2020-04-02  09:50:23
03  2020-04-02  09:54:56
04  2020-04-03  10:24:42
05  2020-04-03  10:32:12
06  2020-04-03  11:12:21
...

我要做的是计算每一行与每天前一行之间的时间差（以分钟为单位）。所以结果应该是这样的

id        date      time    dif
01  2020-04-02  09:44:00      6
02  2020-04-02  09:50:23      4
03  2020-04-02  09:54:56
04  2020-04-03  10:24:42      7
05  2020-04-03  10:32:12     40
06  2020-04-03  11:12:21
...

我的第一个想法是创建一个包含日期列唯一值的列表并尝试了这个：

import pandas a dp
import numpy as np

...

dates = df.date.unique()

for d in dates:
  df['dif'] = round(df['time'].diff(-1).dt.total_seconds().div(60),0) * -1

但我认为这并不容易......

【参考方案1】：

将DataFrameGroupBy.diff 与Series.dt.total_seconds 和Series.round 一起使用：

df['time'] = pd.to_timedelta(df['time'])

df['dif'] = df.groupby('date')['time'].diff(-1).dt.total_seconds().div(60).round().mul(-1)

或者使用DataFrameGroupBy.shift进行减法：

df['dif'] = (df.groupby('date')['time'].shift(-1)
               .sub(df['time'])
               .dt.total_seconds()
               .div(60)
               .round())
print (df)
   id        date     time   dif
0   1  2020-04-02 09:44:00   6.0
1   2  2020-04-02 09:50:23   5.0
2   3  2020-04-02 09:54:56   NaN
3   4  2020-04-03 10:24:42   8.0
4   5  2020-04-03 10:32:12  40.0
5   6  2020-04-03 11:12:21   NaN