python - 在 pandas 中创建一个包含自上次事件以来的时间的新列

Question

我有一个具有以下结构的 Pandas 数据框:

ID    date           event_1   event_2 
 1    2016-01-03     False     False
      2016-02-07     True      False
      2016-02-18     False     True
 2    2016-01-01     False     True
      2016-01-04     False     False
      2016-02-02     True      False
      2016-02-04     False     False
      2016-02-05     False     True

ID 和 date 是一个 MultiIndex。

问题是，我想创建两个新列 time_1 和 time_2。这些列应显示自相应事件以来耗时，例如

ID    date           event_1     event_2   time_1    time_2
 1    2016-01-03     False       False     -          -
      2016-02-07     True        False     0          -
      2016-02-18     False       True      11         0
 2    2016-01-01     False       True      -          0
      2016-01-04     False       False     -          3
      2016-02-02     True        False     0          32
      2016-02-04     False       False     2          34
      2016-02-05     False       True      3          0

如果日期是一个索引，我如何在 pandas 中创建一个计算这个的函数？

计算是按ID 进行的，事件是不相关的。

Answer 1

如果您重置索引使 ID 和日期成为列(只是为了更容易引用它们——df.index.get_level_values("date") 有点笨拙)并且您确保df["date"] 是一个真正的日期时间列而不是字符串，我认为它非常简单:

df["time_1"] = df["date"] - df["date"].where(df["event_1"]).groupby(df["ID"]).ffill()
df["time_2"] = df["date"] - df["date"].where(df["event_2"]).groupby(df["ID"]).ffill()

给我

In [173]: df
Out[173]: 
   ID       date  event_1  event_2  time_1  time_2
0   1 2016-01-03    False    False     NaT     NaT
1   1 2016-02-07     True    False  0 days     NaT
2   1 2016-02-18    False     True 11 days  0 days
3   2 2016-01-01    False     True     NaT  0 days
4   2 2016-01-04    False    False     NaT  3 days
5   2 2016-02-02     True    False  0 days 32 days
6   2 2016-02-04    False    False  2 days 34 days
7   2 2016-02-05    False     True  3 days  0 days

之所以可行，是因为(使用 event_2 因为它更有趣，因为它有两个不同的 True)首先我们只选择“开始”时间:

In [176]: df["date"].where(df["event_2"])
Out[176]: 
0          NaT
1          NaT
2   2016-02-18
3   2016-01-01
4          NaT
5          NaT
6          NaT
7   2016-02-05
Name: date, dtype: datetime64[ns]

然后我们按 ID 分组并向前填充引用日期:

In [177]: df["date"].where(df["event_2"]).groupby(df["ID"]).ffill()
Out[177]: 
0          NaT
1          NaT
2   2016-02-18
3   2016-01-01
4   2016-01-01
5   2016-01-01
6   2016-01-01
7   2016-02-05
Name: date, dtype: datetime64[ns]

之后我们只需要减去时间增量即可。你可以使用

df["time_1"] = df["time_1"].dt.days
df["time_2"] = df["time_2"].dt.days

如果您愿意，可以使用 float 而不是时间增量。