在Python中使用groupby计算平均差异

我是Python新手，我想在我的第一列中聚合（groupby）ID。 第二列中的值是时间戳（datetime格式），通过聚合ID，我希望获得聚合ID列中每个ID的时间戳（以天为单位）之间的平均差异。我的表格看起来像是

df1

，我想要的是

df2

，但由于我是一个绝对的初学者，我不知道如何做到这一点

import pandas as pd
import numpy as np
from datetime import datetime

In[1]:
# df1
ID = np.array([1,1,1,2,2,3])
Timestamp = np.array([
datetime.strptime('2018-01-01 18:07:02', "%Y-%m-%d %H:%M:%S"),
datetime.strptime('2018-01-08 18:07:02', "%Y-%m-%d %H:%M:%S"),
datetime.strptime('2018-03-15 18:07:02', "%Y-%m-%d %H:%M:%S"),
datetime.strptime('2018-01-01 18:07:02', "%Y-%m-%d %H:%M:%S"),
datetime.strptime('2018-02-01 18:07:02', "%Y-%m-%d %H:%M:%S"),
datetime.strptime('2018-01-01 18:07:02', "%Y-%m-%d %H:%M:%S")])
df = pd.DataFrame({'ID': ID, 'Timestamp': Timestamp})

Out[1]:   
    ID  Timestamp
0   1   2018-01-01 18:07:02
1   1   2018-01-08 18:07:02
2   1   2018-03-15 18:07:02
3   2   2018-01-01 18:07:02
4   2   2018-02-01 18:07:02
5   3   2018-01-01 18:07:02

In[2]:
#df2
ID = np.array([1,2,3])
    Avg_Difference = np.array([7, 1, "nan"])
    df2 = pd.DataFrame({'ID': ID, 'Avg_Difference': Avg_Difference})

Out[2]:
ID  Avg_Difference
   0    1   7 
   1    2   1 
   2    3   nan

---

你可以这样做：

df.groupby('ID')['Timestamp'].apply(lambda x: x.diff().mean())

在您的情况下，它看起来像：

>>> df
   ID           Timestamp
0   1 2018-01-01 18:07:02
1   1 2018-01-08 18:07:02
2   1 2018-03-15 18:07:02
3   2 2018-01-01 18:07:02
4   2 2018-02-01 18:07:02
5   3 2018-01-01 18:07:02

>>> df.groupby('ID')['Timestamp'].apply(lambda x: x.diff().mean())
ID
1   36 days 12:00:00
2   31 days 00:00:00
3                NaT
Name: Timestamp, dtype: timedelta64[ns]

如果您希望它作为一个数据帧，列名为

Avg_Difference

，只需在末尾将

添加到_frame

：

df.groupby('ID')['Timestamp'].apply(lambda x: x.diff().mean()).to_frame('Avg_Difference')

     Avg_Difference
ID                 
1  36 days 12:00:00
2  31 days 00:00:00
3               NaT

编辑根据您的评论，如果要删除时间元素，只需获取天数，可以执行以下操作：

df.groupby('ID')['Timestamp'].apply(lambda x: x.diff().mean()).dt.days.to_frame('Avg_Difference')

    Avg_Difference
ID                
1             36.0
2             31.0
3              NaN

---

效果非常好，除了我得到（由于mean（）函数）有时是毫秒/微秒（37天03:55:34.500000），有时不是（27天15:56:25）。如何删除毫秒/微秒，或在没有毫秒/微秒的情况下添加.000000？非常感谢。查看我的编辑，您只需致电

dt.days

即可获得完整的daysWorks数-谢谢！还有一件事（如果你不介意的话）-我如何将我的（聚合）ID保留为一列（或者是聚合索引，因为在我的例子中index=ID）？我不太确定你到底想要什么，但请尝试在最后链接。reset_index（）