所以我需要根据面积计算平均时间:
id direction area when
2 220 in K1 2014-09-01 02:00
3 220 out - 2014-09-03 12:20
6 826 in K3 2014-11-11 10:00
7 826 out - 2014-12-09 10:15
9 901 in K1 2014-09-01 10:05
10 901 out - 2014-10-05 13:20
11 901 in K5 2014-09-01 15:00
12 901 out - 2014-11-01 23:00
我要按区域对df进行分组,然后检查每个区域的平均时间。
我试图简单地创建一个新列,并获得差异。没事...
df['When']=pd.to_datetime(df['When'], format='%Y/%m/%d %H:%M')
for a in range(df.shape[0],-1,1):
df['Time_diff'][i+1] = datetime.datetime.min+ ( df['when][i+1]-df['when'][i])).time()
答案 0 :(得分:0)
定义一个函数,计算“入”和“出”之间的秒数, 从2行的组中,还返回 area 代码:
def fn(grp):
return pd.Series([grp.iloc[0, 2], int((grp.iloc[1, 3]
- grp.iloc[0, 3]).total_seconds())], index=['area', 'secs'])
然后这个想法是:
执行此操作的代码是:
df.groupby(np.arange(len(df.index)) // 2).apply(fn).groupby('area').mean()
对于您的数据,结果是:
secs
area
K1 1579650
K3 2420100
K5 5299200
如果您愿意,可以将其转换为例如 Timedelta 。