Python计算日期之间的平均天数

使用以下python数据帧df：

Customer_ID | Transaction_ID
ABC            2016-05-06-1234
ABC            2017-06-08-3456
ABC            2017-07-12-5678
ABC            2017-12-20-6789
BCD            2016-08-23-7891
BCD            2016-09-21-2345
BCD            2017-10-23-4567

不幸的是，日期隐藏在事务id字符串中。我以这种方式编辑了数据帧

#year of transaction
df['year'] = df['Transaction_ID'].astype(str).str[:4]

#date of transaction
df['date'] = df['Transaction_ID'].astype(str).str[:10]

#format date
df['date']=pd.to_datetime(df['date'], format='%Y-%m-%d')

#calculate visit number per year
df['visit_nr_yr'] = df.groupby(['Customer_ID', 'year']).cumcount()+1

现在df看起来像这样：

Customer_ID | Transaction_ID    | year  | date        |visit_nr_yr 
ABC            2016-05-06-1234    2016    2016-05-06    1            
ABC            2017-06-08-3456    2017    2017-06-08    1            
ABC            2017-07-12-5678    2017    2017-07-12    2            
ABC            2017-12-20-6789    2017    2017-12-20    3            
BCD            2016-08-23-7891    2016    2016-08-23    1            
BCD            2016-09-21-2345    2016    2016-09-21    2            
BCD            2017-10-23-4567    2017    2017-10-23    1            

我需要计算以下各项：

• 每次访问的平均间隔天数是多少（因此介于1和2之间以及介于2和3之间）
• 一般来说，两次访问之间的平均天数是多少

首先，我想包括以下专栏“每年访问之间的天数”（由客户ID计算）：

请注意，我故意避免0，并保留NaN，以防有人在同一天进行两次访问

接下来，我想计算每次访问之间的平均天数（一年内介于1和2之间以及介于2和3之间）。正在查找此输出：

avg_days_bw_visits_1_2 | avg_days_bw_visits_2_3
31.5                     161

最后，我想计算访问之间的平均天数：

output: 203.8 
#the days between visits are 398,34,161,29,397 and the average of those 
 numbers is 203.8

我一直在研究如何创建“days\u bw\u Visites\u yr”专栏。

---

南必须被排除在数学之外

通过将“日期”列下移1，您可以获得以前的就诊日期（按客户和年份分组）：

df['previous_visit'] = df.groupby(['Customer_ID', 'year'])['date'].shift()

从这一点来看，两次访问之间的天数仅仅是区别：

df['days_bw_visits'] = df['date'] - df['previous_visit']

要计算平均值，请将日期增量对象转换为天：

df['days_bw_visits'] = df['days_bw_visits'].apply(lambda x: x.days)

访问间隔的平均天数：

df.groupby('visit_nr_yr')['days_bw_visits'].agg('mean')

df['days_bw_visits'].mean()

资料来源：

In [96]: df
Out[96]:
  Customer_ID   Transaction_ID
0         ABC  2016-05-06-1234
1         ABC  2017-06-08-3456
2         ABC  2017-07-12-5678
3         ABC  2017-12-20-6789
4         BCD  2016-08-23-7891
5         BCD  2016-09-21-2345
6         BCD  2017-10-23-4567

解决方案：

df['Date'] = pd.to_datetime(df.Transaction_ID.str[:10])
df['visit_nr_yr'] = df.groupby(['Customer_ID', df['Date'].dt.year]).cumcount()+1
df['days_bw_visits_yr'] = \
    df.groupby(['Customer_ID', df['Date'].dt.year])['Date'].diff().dt.days

结果:

In [98]: df
Out[98]:
  Customer_ID   Transaction_ID       Date  visit_nr_yr  days_bw_visits_yr
0         ABC  2016-05-06-1234 2016-05-06            1                NaN
1         ABC  2017-06-08-3456 2017-06-08            1                NaN
2         ABC  2017-07-12-5678 2017-07-12            2               34.0
3         ABC  2017-12-20-6789 2017-12-20            3              161.0
4         BCD  2016-08-23-7891 2016-08-23            1                NaN
5         BCD  2016-09-21-2345 2016-09-21            2               29.0
6         BCD  2017-10-23-4567 2017-10-23            1                NaN

---

值得注意的是，除了获得上次购买之间的时间差

df['previous_visit'] = df.groupby(['Customer_ID', 'year'])['date'].shift()
df['days_bw_visits'] = df['date'] - df['previous_visit'] 
df['days_bw_visits'] = df['days_bw_visits'].apply(lambda x: x.days)

在执行.shift（）之前，您应该确保您的日期按组值排序，以避免负面的天数访问

df = df.sort_values(['Customer_ID', 'DATE_D'])

---

你能发布你想要的（结束）数据集吗？@MaxU，带有days\u bw\u visions\u yr列的数据框是想要的结束数据集-然后在该数据集上完成另外两个计算，但不会添加到数据框中，因为它们是聚合平均值；非常感谢-现在就测试这个解决方案；shift选项听起来像格雷蒂，但不幸地得到了“Dataerror:error message No numeric types to aggregate”（数据错误：错误消息No numeric types to aggregate）我认为这与日期不是日期类型有关？对于任何将此视为解决方案的人来说。请确保在执行

shift（）

之前对日期列进行排序。因此，第一行代码应该是

df=df.sort\u值（by='date）

然后继续使用parasu的代码。我刚刚花了30分钟试图找出代码的错误。我的df已经排序了99%，除了几行导致了一些奇怪的负值。谢谢@MaxU；我完全按照您的步骤进行操作，但是在最后几天的访问中，我得到了这个错误属性error:只能使用.dt具有datetimelike值的访问器

df = df.sort_values(['Customer_ID', 'DATE_D'])