Question

我希望获得每个组的两次时间戳之间的mean时间。但是，这些组没有顺序。

创建df的代码：

d = {'ID': ['AI100', 'AI200', 'AI200', 'AI100','AI200','AI100'],
     'Date': ['2019-01-10', '2018-06-01', '2018-06-11','2019-01-15','2018-06-21', '2019-01-22']}

data = pd.DataFrame(data=d)
data = data[['ID', 'Date']]
data['Date'] = pd.to_datetime(data['Date'])
data  

    ID  Date
0   AI100   2019-01-10
1   AI200   2018-06-01
2   AI200   2018-06-11
3   AI100   2019-01-15
4   AI200   2018-06-21
5   AI100   2019-01-22

我尝试了以下操作：

data = data.sort_values(['ID','Date'],ascending=True).groupby('ID').head(3) #group the IDs
data['diffs'] = data['Date'].diff()
data['diffs'] = data['diffs'].apply(lambda x: x.days)
data = data.groupby(['ID'])[('diffs')].agg('mean')

但是，这会产生：

data.add_suffix('ID').reset_index()

    ID  diffs
0   AI100ID 6.000000
1   AI200ID -71.666667

组AI100ID的平均时间正确，但组AI200ID的平均时间正确。

出了什么问题？

Answer 1

我认为您遇到的问题是，您不是在按组计算差异，而是要计算前一组的最后一个值和新组的第一个值之间的差。

将行更改为此，您将获得预期的结果：

data['diffs'] = data.groupby('ID')['Date'].diff()

脚注：

与主要问题无关的另一个提示，以防万一您不知道：

data['diffs'] = data['diffs'].apply(lambda x: x.days)

可以使用.dt访问器编写为使用更快的矢量化操作：

data['diffs'] = data['diffs'].dt.days

每组时间戳之间的平均时间不按顺序

1 个答案: