Python 在熊猫中的分组数据帧之间减去值

我有一组ID和时间戳，并希望通过获得最早/最早时间戳的差值来计算“每个ID经过的总时间”，按ID分组

资料

预期结果

（我希望增量转换为分钟）

我有一个for循环，但它非常慢（1米以上行10分钟以上）。我想知道这是否可以通过功能实现

# gb returns a DataFrameGroupedBy object, grouped by ID
gb = df.groupby(['id'])

# Create the resulting df
cycletime = pd.DataFrame(columns=['id','timeDeltaMin'])

def calculate_delta():
    for id, groupdf in gb:
        time = groupdf.timestamp
        # returns timestamp rows for the current id

        time_delta = time.max() - time.min()

        # convert Timedelta object to minutes
        time_delta = time_delta / pd.Timedelta(minutes=1) 

        # insert result to cycletime df
        cycletime.loc[-1] = [id,time_delta]
        cycletime.index += 1

考虑下一步尝试：

---

-多处理

您可以按

id

和

tiemstamp

排序，然后按

id

分组，然后查找每组的最小和最大时间戳之间的差异

df['timestamp'] = pd.to_datetime(df['timestamp'])
result = df.sort_values(['id']).groupby('id')['timestamp'].agg(['min', 'max'])
result['diff'] = (result['max']-result['min']) / np.timedelta64(1, 'm')
result.reset_index()[['id', 'diff']]

输出：

    id  diff
0   1   1.0
1   2   62.0

---

您可以按

id

和

tiemstamp

排序，然后按

id

分组，然后查找每个组的最小和最大时间戳之间的差异

df['timestamp'] = pd.to_datetime(df['timestamp'])
result = df.sort_values(['id']).groupby('id')['timestamp'].agg(['min', 'max'])
result['diff'] = (result['max']-result['min']) / np.timedelta64(1, 'm')
result.reset_index()[['id', 'diff']]

输出：

    id  diff
0   1   1.0
1   2   62.0

---

首先确保日期时间正常：

df.timestamp = pd.to_datetime(df.timestamp)

现在在每个id的最大和最小值之间的差值中查找分钟数：

import numpy as np

>>> (df.timestamp.groupby(df.id).max() - df.timestamp.groupby(df.id).min()) / np.timedelta64(1, 'm')
id
1     1.0
2    62.0
Name: timestamp, dtype: float64

---

首先确保日期时间正常：

df.timestamp = pd.to_datetime(df.timestamp)

现在在每个id的最大和最小值之间的差值中查找分钟数：

import numpy as np

>>> (df.timestamp.groupby(df.id).max() - df.timestamp.groupby(df.id).min()) / np.timedelta64(1, 'm')
id
1     1.0
2    62.0
Name: timestamp, dtype: float64

另一个：

import pandas as pd
import numpy as np
import datetime
ids = [1,1,2,2,2]
times = ['2018-02-01 03:00:00','2018-02-01 03:01:00','2018-02-02 
10:03:00','2018-02-02 10:04:00','2018-02-02 11:05:00']
df = pd.DataFrame({'id':ids,'timestamp':pd.to_datetime(pd.Series(times))})
df.set_index('id', inplace=True)
print(df.groupby(level=0).diff().sum(level=0)['timestamp'].dt.seconds/60)

另一个：

import pandas as pd
import numpy as np
import datetime
ids = [1,1,2,2,2]
times = ['2018-02-01 03:00:00','2018-02-01 03:01:00','2018-02-02 
10:03:00','2018-02-02 10:04:00','2018-02-02 11:05:00']
df = pd.DataFrame({'id':ids,'timestamp':pd.to_datetime(pd.Series(times))})
df.set_index('id', inplace=True)
print(df.groupby(level=0).diff().sum(level=0)['timestamp'].dt.seconds/60)