我有一个格式为 df1 的 Pandas 数据帧:
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(用 pandas.to_datetime() 把它从字符串转换过来))
我想要的是,同一数据帧中的一个新列/另一个系列在相同 ID 的 Action “A”和 Action “B”之间具有时间差。唯一的事情是,我需要第一次出现操作 'A',如 min(ts) 中的每个 id,然后是减去的值,因为操作 'B' 必须在操作 'B' I 之后发生需要确定第一次出现 Action “A”和 Action “B”之间的延迟
我能够使用 groupby()、merge() 和 unstack() 获取它,但我无法获取 min(ts) 在此。
提前致谢。
请您参考如下方法:
实现这一目标的一种方法是这样的:
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:请注意您的示例数据集 - id 3 的操作 B 发生在操作 A
如果你想消除NaT,你可以使用.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]
