Python 如何用NaN值计算熊猫的时差

我对熊猫比较陌生，已经尝试过搜索，但我找不到解决办法。 我有一个带有交易编号、customerId和购买日期的数据框，如下所示：

Transaction   12345    12346       12347     12348       12349
customerID
1             NaN    2019-09-01    NaN     2019-09-11      2019-09-22...
2           2019-10-01 NaN         NaN         NaN      2019-10-07...
3    ...

数据帧有[6334行x 8557列]。 每行都有NaN值，因为事务编号是唯一的

我想计算每行的日期差，以便

customerID    Datedifference1    Datedifference2     etc.
1                10                    11
2                 6
3   ...

我很难得到一个每个客户ID的日期差异列表。 有没有一种方法可以忽略数据帧中的NaN，而只计算非NaN的值？ 我想有一个带有customerId和datediff的列表，在购买1和2之间，2和3之间，等等，以估计下一次购买之前的天数

有解决方案吗？

想法是通过以下方式重新塑造数据，然后获得差异，删除每个组的第一个缺失值，然后重新塑造：

df = df.apply(pd.to_datetime)

df1 = (df.stack()
         .groupby(level=0)
         .diff()
         .dropna()
         .dt.days
         .reset_index(level=1, drop=True)
         .to_frame())

df1 = (df1.set_index(df1.groupby(['customerID']).cumcount(), append=True)[0]
          .unstack()
          .add_prefix('Datedifference'))
print (df1)
             Datedifference0  Datedifference1
Transaction                                  
1                       10.0             11.0
2                        6.0              NaN

编辑：如果输入数据不同，解决方案将更改-将列转换为日期时间，根据差异创建新列，仅按删除

NaN

行，最后使用和

unstack

计数器重新形状

Series

by:

---

谢谢你。我将查看堆栈文档以获得关于它的简要想法，但是您的建议抛出了keyrerror:“Transaction”。我哪里出错了？@miner-如果使用

customerID

而不是

Transaction

，工作情况如何？是否有方法计算pandas中的列？数据源是一个带有事务、customerId和日期的csv文件，因此我将所有事务都放在一行中。但这意味着，例如，我有20行customerid123和不同的事务编号，以及dates@miner-不理解，预期输出不同？你能编辑有问题的预期输出吗？不，预期输出如我的问题中所述。但初始数据源是一个csv文件，其中包含coulumns“Transaction”、“customerId”和“Date”。该示例几乎有20k行，每个事务一行。

print (df1)
   customerID Transaction       date
0           1       12346 2019-09-01
1           1       12348 2019-09-11
2           1       12349 2019-09-22
3           2       12345 2019-10-01
4           2       12349 2019-10-07

df1['date'] = pd.to_datetime(df1['date'])
df1['diff'] = df1.groupby('customerID')['date'].diff().dt.days
df1 = df1.dropna(subset=['diff'])

df2 = (df1.set_index(['customerID', df1.groupby('customerID').cumcount()])['diff']
          .unstack()
          .add_prefix('Datedifference'))
print (df2)
            Datedifference0  Datedifference1
customerID                                  
1                      10.0             11.0
2                       6.0              NaN