Python 如何获得熊猫中时间戳之间的平均天数？

我有客户发票之间带有时间戳的交易数据。我试图计算两张唯一发票之间的平均天数（通过“ServicedOn”）。其中有两个注意事项：

• 一个唯一的发票可以有多个具有不同时间戳的行（因为它们可能在不同的时间提供服务）
• 时间戳也有时间值，所以我无法使用diff（）方法来计算增量天数

数据帧的外观如下所示：

InvoiceNo SoldOn    ServicedOn  ItemType    ItemCode    GuestId FinalSalePrice  FirstVisit  Package BUName  SalePrice   Merchant_id
21312   4/26/2015 12:55:12 PM   4/26/2015 8:00:00 AM    0   SER-310-008 5a531810-9413-4091-acd5-424d125b0c9e    3089.9  No  No Package  Spa 2500    POW
31639   1153    6/12/2015 7:11:22 PM    6/12/2015 6:15:00 PM    0   SER-1257-008    5a531810-9413-4091-acd5-424d125b0c9e    5700.0  No  No Package  Spa 5000    POW
42492   73  5/15/2015 8:05:50 PM    5/15/2015 8:05:50 PM    2   ITM-3407-001    5a531810-9413-4091-acd5-424d125b0c9e    1600.0  No  No Package  Default 1422    POW
42493   73  5/15/2015 8:06:08 PM    5/15/2015 8:06:08 PM    2   ITM-3175-001    5a531810-9413-4091-acd5-424d125b0c9e    2750.0  No  No Package  Default 2444    POW
42494   73  5/15/2015 8:05:38 PM    5/15/2015 8:05:38 PM    2   ITM-4340-001    5a531810-9413-4091-acd5-424d125b0c9e    575.0   No  No Package  Default 511 POW

---

我不确定如何进行，因此请提供任何指导

对所有发票编号执行您想要的操作非常简单。如果您正在进行的是第一个服务，则可以排序，然后使用

groupby

和

head

获取每个发票编号的第一个日期，然后选择列并计算平均差：

mean_difference = (df.sort_values(by='ServicedOn')  # Get everything in date order
                     .groupby('InvoiceNo')  # group by invoice
                     .head(1)  # take first of each group
                     .ServicedOn  # only look at ServicedOn value
                     .diff()  # take differences
                     .mean())  # calculate mean

---

要在所有发票号码上做您想要做的事情非常简单。如果您正在进行的是第一个服务，则可以排序，然后使用

groupby

和

head

获取每个发票编号的第一个日期，然后选择列并计算平均差：

mean_difference = (df.sort_values(by='ServicedOn')  # Get everything in date order
                     .groupby('InvoiceNo')  # group by invoice
                     .head(1)  # take first of each group
                     .ServicedOn  # only look at ServicedOn value
                     .diff()  # take differences
                     .mean())  # calculate mean

---

为了澄清您的问题，请提供您认为在考虑样本数据的情况下，结果应该是什么。理想情况下，对于每个唯一的发票，我会查看第一个服务时间戳，并计算到下一个发票号的第一个服务时间戳之前的天数。例如：对于第21312号发票，我会查看第一个服务时间戳（4/26/2015）并计算第31639号发票首次服务日期（2015年12月6日）。为了澄清您的问题，请提供您认为应考虑样本数据的结果。理想情况下，对于每个独特的发票，我会查看第一次服务的时间戳，并计算到下一张发票的第一次服务日期。例如：在第21312号发票上，我会查看第一次服务日期（2015年4月26日），并计算到第31639号发票的第一次服务日期（2015年6月12日）。一个大问题是pandas没有计算ServicedOn列的差异，并抛出不支持的操作数错误“str”。这意味着您的ServicedOn列没有被解析为datetime。当我输入事务数据时，我是否应将服务列设为datetime列？谢谢你有两个选择。如果您正在从CSV文件读取此数据，则可以使用

parse_dates

选项来

read_CSV

在读取日期时对其进行解析。如果出于某种原因将其转换为另一种形式，可以使用

df.ServicedOn=pandas.to_datetime（df.ServicedOn）

重新解析该列，一个大问题是pandas没有计算ServicedOn列的差异，并抛出不支持的操作数错误“str”。这意味着您的ServicedOn列未被解析为datetime。当我输入事务数据时，是否应将ServicedOn列专用于datetime列？谢谢你有两个选择。如果您正在从CSV文件读取此数据，则可以使用

parse_dates

选项来

read_CSV

在读取日期时对其进行解析。如果出于某种原因以另一种形式出现，可以使用

df.ServicedOn=pandas.to_datetime（df.ServicedOn）