Python 按特定顺序将多个函数应用于GroupBy对象

我有一个数据框

df

，其中at列

date

包含日期

如果我想计算每个组中日期之间的最大差异，这是否可行（无需重新分组，也无需使用

.apply

）？如果我这样做

df
身份证日期|
---+-------
1  | 2020-01-20
1  | 2020-01-25
2  | 2020-02-03
2  | 2020-02-04
每个id的最大差异=df.groupby（“id”）.diff（1.max（）
每个id的最大差异
身份证件
--
1  5

这当然会给我想要的所有组之间的最大差异

id
--
1  5
2  1

我知道我可以为每个id重新分组

max\u diff\u，但我认为

max_diff_for_each_id=df.groupby（“id”）.diff（1.groupby（“id”）.max（）

不是真的“漂亮”，如果你有多个功能要应用，那么必须一直重新分组会带来大量的开销

这是否可行（无需重新分组，也无需使用.apply）

我认为通常不会，如果每个组只有2个值或其他一些数据模式，那么应该有替代方案

#if always 2 values per id in order
df1 = df.groupby("id")['date'].agg(['min','max'])
max_diff_for_each_id = df1['max'].sub(df1['min']).dt.days

或：

一个想法是将
id
转换为索引，但是
max（level=0）
只是隐藏
.groupby（level=0）.max（）
，所以这应该是一个技巧解决方案（在我看来）


可能存在多个
groupby
，如：

max_diff_for_each_id = df.groupby("id")['date'].diff(1).groupby(df["id"]).max().dt.days

或创建自定义函数，如：

max_diff_for_each_id = df.groupby("id")['date'].apply(lambda x: x.diff().max()).dt.days

max_diff_for_each_id = df.groupby("id")['date'].agg(lambda x: x.diff().max()).dt.days


IIUC，你可以做：

groups = df.groupby('id')
result = groups['date'].max() - groups['date'].min()
print(result)

输出

id
1   5 days
2   1 days
Name: date, dtype: timedelta64[ns]

id
1   5 days
2   1 days
dtype: timedelta64[ns]

替代版本：

frame = df.groupby('id').agg({'date': ['max', 'min']})
result = frame[('date', 'max')] - frame[('date', 'min')]
print(result)

输出

id
1   5 days
2   1 days
Name: date, dtype: timedelta64[ns]

id
1   5 days
2   1 days
dtype: timedelta64[ns]

单向使用
numpy.ptp
：

df.groupby("id").apply(np.ptp)

输出：

id
1   5 days
2   1 days
dtype: timedelta64[ns]

id
1   5 days
2   7 days
dtype: timedelta64[ns]

每个组可以使用任意数量的值

# print(df)
   id       date
0   1 2020-01-20
1   1 2020-01-25
2   1 2020-01-21
3   2 2020-02-03
4   2 2020-02-04
5   2 2020-02-06
6   2 2020-02-10

df.groupby("id").apply(np.ptp)

输出：

id
1   5 days
2   1 days
dtype: timedelta64[ns]

id
1   5 days
2   7 days
dtype: timedelta64[ns]

我真的希望避免使用
.apply
或
.agg
（编辑问题）一个组可以有两个以上的日期吗？如果使用矢量化函数，为什么不使用agg？当然可以，yop。超级。我对这个例子不满意（My
date
范围从1个日期到大约100个日期，取决于组）-这只是为了举例说明，因为在示例中需要
id 1 5天2 4天名称：date，数据类型：timedelta64[ns]
@jezrael您是对的。最大差异和ptp不一样，我不再确定ptp是否是正确的方法。让我们等待OP的回归；）没错，这个解决方案和@Dani Mesejo答案一样，只是更简单而已。