Python 在timestap表上进行数据透视会返回意外结果

我有一个包含两列的数据帧：

ts

（时间戳）和

n

（数字）

时间戳从2016-07-15开始：

In [1]: d.head()
Out[1]:
                       ts   n
0 2016-07-15 00:04:09.444  12
1 2016-07-15 00:05:01.633  12
2 2016-07-15 00:05:03.173  31
3 2016-07-15 00:05:03.970  12
4 2016-07-15 00:05:04.258  23

现在，我要说：

pd.pivot_table(d, columns='n', values='ts', aggfunc=lambda x: (np.min(x) - pd.Timestamp('2016-07-15')).days)

我希望看到带有整数的列表示天数，但我看到的是：

n
12   1970-01-01
23   1970-01-01
31   1970-01-01
Name: ts, dtype: datetime64[ns]

我在这里错过了什么？是否有更好的方法实现同样的效果（尝试以天为单位获得表中第一次出现的

n

的偏移量）

IIUC您需要并使用

apply

添加自定义函数：

print (d.groupby('n')['ts'].apply(lambda x: (x.min() - pd.Timestamp('2016-07-15')).days))
n
12    0
23    0
31    0
Name: ts, dtype: int64

在您的代码中，您也会得到

0

，但值会转换为

datetime

（

1970-01-01

），因为

ts

的

dtype

以前是

datetime

我想接下来需要将

datetime

转换为

int

，但首先通过以下方式转换为

numpy数组

：

---

谢谢groupby似乎是pivot的更好选择！

s = pd.pivot_table(d, columns='n', 
                      values='ts', 
                      aggfunc=lambda x: (np.min(x) - pd.Timestamp('2016-07-15')).days)
s = s.values.astype(int)
print (s)
n
12    0
23    0
31    0
Name: ts, dtype: int64