Python 计算按特定列分组的项目之间的平均时间差
我有以下数据帧:Python 计算按特定列分组的项目之间的平均时间差,python,pandas,dataframe,group-by,Python,Pandas,Dataframe,Group By,我有以下数据帧: userid | time 1 22.01.2001 13:00 1 22.01.2001 13:05 1 22.01.2001 13:07 2 22.01.2001 14:00 2 22.01.2001 14:04 2 22.01.2001 13:05 2 22.01.2001 13:06 3 22.01.2001 13:20
userid | time
1 22.01.2001 13:00
1 22.01.2001 13:05
1 22.01.2001 13:07
2 22.01.2001 14:00
2 22.01.2001 14:04
2 22.01.2001 13:05
2 22.01.2001 13:06
3 22.01.2001 13:20
3 22.01.2001 13:22
4 22.01.2001 13:37
我想要获得的是每个用户的一个新列,它存储连续活动之间的平均时间差:
userid | avg_time_diff
1 3.5 #(5 + 2) / 2
2 2 #(4 + 1 + 1) / 3
3 2
4 0
为了实现这一点,我是否需要循环每个用户并逐个计算平均时间差?或者,有没有更快的方法达到同样的效果 考虑以下方法:
In [84]: df.sort_values('time').groupby('userid')['time'] \
.apply(lambda x: x.diff().dt.seconds.mean()/60)
Out[84]:
userid
1 3.500000
2 19.666667
3 2.000000
4 NaN
Name: time, dtype: float64
一些解释:
首先,我们按照time
列对DF进行排序,否则可能会产生负差异
然后我们按userid
分组,并为每个组计算所有连续行(排序)的时间差-这将生成一系列timedelta64[ns]
dtype,其中有一个.dt.seconds
访问器
使用.dt.seconds.mean()
我们可以计算每组的平均值
更新:
仅取小于60的差值的平均值
会议记录
[122]中的:阈值=60
...:
…:(df.sort_值('time').groupby('userid')['time']
…:.apply(λx:(x.diff().dt.seconds/60)
…:.to_帧('diff'))
…:.query(“diff<@threshold”)['diff'].mean())
...:
出[122]:
用户ID
1 3.500000
2 19.666667
3 2.000000
4楠
名称:时间,数据类型:float64
谢谢。请问lambda内部的x
类型是什么?这是一系列的日期吗?如果是这样,.diff()
的结果是什么?如果您能提供更多的细节,我将不胜感激,以便下次我能亲自动手:)@renakre,当然!您可以这样检查:df.groupby('userid')['time'].apply(lambda x:print(x.dtypes))
或df.groupby('userid')['time'].apply(lambda x:print(type(x))
@renakre,我已经添加了一个解释!我现在明白了。我想知道,如果只取小于60的差值的平均值是否容易?renakre,是的,这是正确的。很高兴我能帮忙:)
In [122]: threshold = 60
...:
...: (df.sort_values('time').groupby('userid')['time']
...: .apply(lambda x: (x.diff().dt.seconds/60)
...: .to_frame('diff')
...: .query("diff < @threshold")['diff'].mean()))
...:
Out[122]:
userid
1 3.500000
2 19.666667
3 2.000000
4 NaN
Name: time, dtype: float64