Warning: file_get_contents(/data/phpspider/zhask/data//catemap/2/python/347.json): failed to open stream: No such file or directory in /data/phpspider/zhask/libs/function.php on line 167

Warning: Invalid argument supplied for foreach() in /data/phpspider/zhask/libs/tag.function.php on line 1116

Notice: Undefined index: in /data/phpspider/zhask/libs/function.php on line 180

Warning: array_chunk() expects parameter 1 to be array, null given in /data/phpspider/zhask/libs/function.php on line 181
python中索引数据帧中不同列的行之间的相减_Python_Pandas_Indexing - Fatal编程技术网

python中索引数据帧中不同列的行之间的相减

python中索引数据帧中不同列的行之间的相减,python,pandas,indexing,Python,Pandas,Indexing,我有一个索引数据帧(先按类型索引,然后按日期索引),并希望在顶行的结束时间和下一行的开始时间之间执行减法(以小时为单位): type date start_time end_time code A 01/01/2018 01/01/2018 9:00 01/01/2018 14:00 525 01/02/2018 01/02/2018 5:00

我有一个索引数据帧(先按类型索引,然后按日期索引),并希望在顶行的结束时间和下一行的开始时间之间执行减法(以小时为单位):

type    date             start_time                  end_time       code
A      01/01/2018         01/01/2018 9:00       01/01/2018 14:00      525
       01/02/2018         01/02/2018 5:00       01/02/2018 17:00      524
       01/04/2018         01/04/2018 8:00       01/04/2018 10:00      528
B      01/01/2018         01/01/2018 5:00       01/01/2018 14:00      525
       01/04/2018         01/04/2018 2:00       01/04/2018 17:00      524
       01/05/2018         01/05/2018 7:00       01/05/2018 10:00      528
我希望得到带有新列['interval']的结果表:

type    date             interval
A      01/01/2018           -
       01/02/2018           15
       01/04/2018           39
B      01/01/2018           -
       01/04/2018           60
       01/05/2018           14

间隔列以小时为单位

您可以将
开始时间
结束时间
转换为日期时间格式,然后使用
应用
减去每组上一行的
结束时间
(使用
groupby
)。要转换为小时,请除以pd.Timedelta(“1小时”):


@sacul感谢您的编辑,开始时间和结束时间都是日期时间。数据类型为'
df['start_time'] = pd.to_datetime(df['start_time'])
df['end_time'] = pd.to_datetime(df['end_time'])

df['interval'] = (df.groupby(level=0,sort=False).apply(lambda x: x.start_time-x.end_time.shift(1)) / pd.Timedelta('1 hour')).values

>>> df
                         start_time            end_time    code    interval
type date                                                              
A    01/01/2018  2018-01-01 09:00:00  2018-01-01 14:00:00   525       NaN
     01/02/2018  2018-01-02 05:00:00  2018-01-02 17:00:00   524      15.0
     01/04/2018  2018-01-04 08:00:00  2018-01-04 10:00:00   528      39.0
B    01/01/2018  2018-01-01 05:00:00  2018-01-01 14:00:00   525       NaN
     01/04/2018  2018-01-04 02:00:00  2018-01-04 17:00:00   524      60.0
     01/05/2018  2018-01-05 07:00:00  2018-01-05 10:00:00   528      14.0