Python 使用groupby对列进行筛选和排序

我有这个df：

   Date                  Plate     Route     Speed   VehiceType
0  2020-11-03 13:54:00   0660182   Route 66   32      Wagon
1  2020-11-03 13:25:03   939CH003  Route 35   24      Truck
2  2020-11-03 09:27:11   WH3457    Route 02   41      Bus

等等。我需要相同车牌车辆之间的时间差，我很容易获得：

df.groupby('Plate').Date.diff( )

然后，我分类（否则我会在不同的日期/盘子之间有差异，这是我不需要的）并分组如下：

df2 = df.sort_values(by=['Plate', 'Date']).groupby('Plate').Date.diff().dt.total_seconds().reset_index()

      index   Difference (s)
0     34517   NaN 
1     377539  33.0
2     119714  34.0
3     300900  765.0

我最终得到一个df（重命名一列后），如下所示：

df2 = df.sort_values(by=['Plate', 'Date']).groupby('Plate').Date.diff().dt.total_seconds().reset_index()

      index   Difference (s)
0     34517   NaN 
1     377539  33.0
2     119714  34.0
3     300900  765.0

这不是我需要的（“index”列应该是plates）。我想要的是：

    Plate   Difference
0   WH3457  54.0
1   9W432T  24.0
2   947CH05 33.0

因此，该df可以通过某些过滤器的板号合并到原始df中（左上和右上）。Pandas说不能进行合并，因为“索引”列只是数字，而plate列显然是一个字符串（排序时不知何故我错过了plate对象）。 那么，我如何才能获得这个板/差df？（必须按车牌和日期排序，否则差异就没有意义了）。 我一直在努力解决这个问题，但我无法得到它。先谢谢你

编辑：

这是原始df的较大部分（对不起，西班牙语中的对齐和车辆类型）：

---

如果希望将计算（以秒为单位的差值）放回原始数据帧，可以使用熊猫：

此外，由于

apply

函数不执行任何聚合，

df2

具有与

df

相同的原始行形状，因此可以使用

索引

将值映射回

df

，如下所示：

df2 = df.sort_values(by=['Plate', 'Date']).groupby('Plate').Date.diff().dt.total_seconds().reset_index()

      index   Difference (s)
0     34517   NaN 
1     377539  33.0
2     119714  34.0
3     300900  765.0

df2=df.sort_值（by=['Plate'，'Date']）.groupby（'Plate'）.Date.diff（）.dt.total_seconds（）
#这个
df.loc[df2.index，'diff_in_sec']=df2
#还是这个
df2.name='diff_in_sec'
合并（df2，左索引=True，右索引=True）

请尝试发布代码以创建适当的数据框，这样我们就可以测试任何可能的答案，您的答案只有3行！！我有一个问题：它标记了一个错误，说：AttributeError:'DataFrameGroupBy'对象没有属性'Date'你没有一个名为'Date'的列吗？（完全像这样）？是的，那是我的错误，很抱歉（我把西班牙语/英语列名搞混了），你的答案很好。非常感谢。