pandas - 数据框列的日期差异

Question

我有以下数据框

+-----------------------------+
|           app_id    mail_dt |
+-----------------------------+
| 100255  12000017 2009-03-23 |
| 129628  12000017 2009-09-04 |
| 183069  12000017 2010-03-19 |
| 125231  12000031 2009-08-18 |
| 204245  12000031 2010-05-12 |
| 296410  12000031 2010-10-06 |
| 183030  12000044 2010-03-17 |
| 291704  12000044 2010-09-29 |
| 635932  12000044 2011-09-23 |
+-----------------------------+

我需要计算相同 app_id 的连续日期时间差异然后计算相应 mail_dt 的平均值区别

说 app_id = 12000017 它将是以下内容

df.loc[129628,'mail_dt'] - df.loc[100255,'mail_dt']
Out[25]: Timedelta('165 days 00:00:00')

df.loc[183069,'mail_dt'] - df.loc[129628,'mail_dt']
Out[26]: Timedelta('196 days 00:00:00')

平均值将为 180.5 天(让我们将其定为 180)

所以，我的问题是如何计算每个 app_id 的平均值并构建以下数据框

+----------+------------+
|  app_id  | mean_delta |
+----------+------------+
| 12000017 |        180 |
| 12000031 |        207 |
+----------+------------+

当然，可以遍历所有 app_id并计算平均 timedelta 值，但我想知道是否有基于 groupby 和其他函数的漂亮解决方案。提前致谢

Answer 1

想法是通过 GroupBy.agg 获得每组的差异与 Series.diff 和 mean , 通过 Series.dt.days 将 timedeltas 转换为天数最后到 2 列 DataFrame Series.reset_index :

#if necessary
df['mail_dt'] = pd.to_datetime(df['mail_dt'])

df1 = (df.groupby('app_id')['mail_dt']
         .agg(lambda x: x.diff().mean())
         .dt.days
         .reset_index(name='avg'))
print (df1)
     app_id  avg
0  12000017  180
1  12000031  207
2  12000044  277