python - Pandas — 匹配最后一个相同的行并计算差异

Question

使用如下所示的 DataFrame:

         timestamp    value
0       2012-01-01      3.0
1       2012-01-05      3.0
2       2012-01-06      6.0
3       2012-01-09      3.0
4       2012-01-31      1.0
5       2012-02-09      3.0
6       2012-02-11      1.0
7       2012-02-13      3.0
8       2012-02-15      2.0
9       2012-02-18      5.0

添加 time_since_last_identical 列的优雅且有效的方法是什么，这样前面的示例将导致:

         timestamp    value   time_since_last_identical
0       2012-01-01      3.0                         NaT
1       2012-01-05      3.0                      5 days
2       2012-01-06      6.0                         NaT
3       2012-01-09      3.0                      4 days
4       2012-01-31      1.0                         NaT
5       2012-02-09      3.0                     31 days
6       2012-02-11      1.0                     10 days
7       2012-02-13      3.0                      4 days
8       2012-02-15      2.0                         NaT
9       2012-02-18      5.0                         NaT

问题的重要部分不一定是时间延迟的使用。任何将一个特定行与具有相同值的前一行相匹配并从这两行中计算出某些内容(此处为差异)的解决方案都将是有效的。

注意:对 apply 或基于循环的方法不感兴趣。

Answer 1

一个简单、干净、优雅的 groupby 就可以了:

df['time_since_last_identical'] = df.groupby('value').diff()

给予:

   timestamp  value  time_since_last_identical
0 2012-01-01    3.0                        NaT
1 2012-01-05    3.0                     4 days
2 2012-01-06    6.0                        NaT
3 2012-01-09    3.0                     4 days  
4 2012-01-31    1.0                        NaT
5 2012-02-09    3.0                    31 days
6 2012-02-11    1.0                    11 days
7 2012-02-13    3.0                     4 days
8 2012-02-15    2.0                        NaT
9 2012-02-18    5.0                        NaT