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：

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