Question

您好dataframe包含多个相同ID的行。其中一列是日期（按升序排列）。我想计算第一个条目和最后一个条目之间的日期差异。

我是通过实例化pandas构造函数来实现的，如下所示：

g = df.groupby('ID')

print(pd.DataFrame({'first':g.Date.nth(0), 'last':g.Date.nth(-1)}))

第一个值是正确的，但是，最后一个值远不正确。

例如，对于特定ID，first date为2000-05-08，last date为8/21/2010。输出的结果是：

               first       last
ID                         
31965.0        2000-05-08  2002-12-29

2002-12-29位于中间位置。

示例数据：

ID  Date
31965   5/8/2000
31965   5/10/2000
31965   5/18/2000
31965   5/22/2000
31965   5/23/2000
31965   5/25/2000
31965   5/30/2000
31965   6/7/2000
31965   6/8/2000
31965   6/11/2000
31965   6/13/2000
.....
31965   4/11/2009
31965   5/9/2009
31965   5/16/2009
31965   5/23/2009
31965   2/5/2010
31965   2/26/2010
31965   3/13/2010
31965   4/10/2010
31965   8/21/2010

我希望ID 31965的结果为：5/8/2000和8/21/2010，这样我最终可以计算出日期差异。

Answer 1

您可以一步完成此操作，请确保“日期”列为dtype datetime，

df['Date'] = pd.to_datetime(df['Date'])

df.groupby('ID')['Date'].agg(['first','last'])

现在，我怀疑您的数据可能没有正确排序，但如果您仍想要最早和最新的日期，那么您可以这样做：

df.groupby('ID')['Date'].agg(['min','max']).rename(columns={'min':'first','max':'last'})

或者您可以使用sort_values：

df.sort_values('Date').groupby('ID')['Date'].agg(['first','last'])

Answer 2

您可能需要以这种方式解析最后一个日期：

import datetime

def parser(x):
    return datetime.strptime(str(x), '%m/%d/%Y')

在这里，您将日期字符串提供给函数，函数返回一个已解析的日期。您可以类似地解析第一个日期，并生成与上一个日期一致的内容;您可能需要在区域%m/%d/%Y中更改的唯一内容。那应该可以解决你的问题。阅读此页面以获取更多信息：https://docs.python.org/2/library/datetime.html

Pandas从组

2 个答案: