python - 计算 Pandas GroupBy 对象中的日期差异

Question

我有一个格式如下的 Pandas DataFrame:

In [0]: df
Out[0]: 
       col1  col2       date
 0     1     1          2015-01-01
 1     1     2          2015-01-09
 2     1     3          2015-01-10
 3     2     1          2015-02-10
 4     2     2          2015-02-10
 5     2     3          2015-02-25

In [1]: df.dtypes
Out[1]:
 col1             int64
 col2             int64
 date    datetime64[ns]
 dtype: object

我们想要找到与日期(按日期排序的组中的连续元素之间)的最大差异相对应的 col2 值，按 col1 分组。假设没有大小为 1 的组。

期望的输出

In [2]: output
Out[2]:
col1   col2
1      1         # This is because the difference between 2015-01-09 and 2015-01-01 is the greatest
2      2         # This is because the difference between 2015-02-25 and 2015-02-10 is the greatest

真正的 df 有很多 col1 的值，我们需要对其进行分组以进行计算。这可以通过将函数应用于以下内容来实现吗？请注意，日期已经按升序排列。

gb = df.groupby(col1)
gb.apply(right_maximum_date_difference)

Answer 1

我会尝试一个稍微不同的策略:旋转表格，这样您在 col2 中的每个值都有一个列，其中包含日期和 col1 的值作为索引.然后你可以使用 .diff 方法来获取连续单元格之间的差异。如果有重复的 col1, col2 对，这可能不起作用，这在问题中并不清楚。

df = pd.DataFrame({'col1': [1, 1, 1, 2, 2, 2],
          'col2': [1, 2, 3, 1, 2, 3],
          'date': pd.to_datetime(['2015-01-01', '2015-01-09', '2015-01-10', 
                                  '2015-02-10', '2015-02-10', '2015-02-25'])})
p = df.pivot(columns='col1', index='col2', values='date')
p
    col1    1   2
col2        
1   2015-01-01  2015-02-10
2   2015-01-09  2015-02-10
3   2015-01-10  2015-02-25

p.diff().shift(-1).idxmax() 

col1
1       1
2       2

.shift(-1) 处理这样一个事实，即您想要两个连续日期中的第一个具有最大差异的日期。