Python 在pandas中计算GroupBy对象上的日期范围

我有一个包含四列的海量数据框，其中两列是“日期”（采用

datetime

格式）和“页面”（保存为

字符串的位置）。我已经按“页面”对数据帧进行了分组，并将其称为
pagegroup
，我想知道访问每个页面的时间范围（例如，第一次访问是在1-1-13，最后一次访问是在1-5-13，因此最短时间为5天）

我知道在pandas中，我可以使用
date\u range
来比较两个日期时间，但可以尝试以下方法：

pagegroup['date'].agg(np.date_range)

返回

AttributeError: 'module' object has no attribute 'date_range'

在尝试简单的（非特定日期）numpy函数时，
ptp
给出了一个整数答案：

daterange = pagegroup['date'].agg([np.ptp])
daterange.head()

                           ptp
page                          
%2F                          0
/            13325984000000000
/-509606456    297697000000000
/-511484155                  0
/-511616154                  0

有人能想出一种方法来计算日期范围并以可识别的日期格式返回吗

谢谢
假设您已按日期编制索引，则可以使用groupby应用：

In [11]: df = pd.DataFrame([[1, 2], [1, 3], [2, 4]],
                            columns=list('ab'),
                            index=pd.date_range('2013', freq='H', periods=3)



In [12]: df
Out[12]: 
                     a  b
2013-08-22 00:00:00  1  2
2013-08-22 01:00:00  1  3
2013-08-22 02:00:00  2  4

In [13]: g = df.groupby('a')

In [14]: g.apply(lambda x: x.iloc[-1].name - x.iloc[0].name)
Out[14]: 
a
1   01:00:00
2   00:00:00
dtype: timedelta64[ns]

这里，
iloc[-1]
获取组中的最后一行，
iloc[0]
获取第一行。name属性是该行的索引

@Elyase指出，这只有在原始DatetimeIndex正常的情况下才有效，否则可以使用max/min（它实际上读起来更好，但效率可能更低）：

注意：为了得到两个时间戳之间的时间差，我们刚刚减去（
-
）

如果日期是一列而不是索引，则使用列名：

g.apply(lambda x: x['date'].iloc[-1] - x['date'].iloc[0])
g.apply(lambda x: x['date'].max() - x['date'].min())

是一个pandas函数（因此它是
pd.date\u range
而不是
np
），但它不会比较两个日期时间。可能您需要对组进行排序，我想他希望每个组中的最早和最晚日期。@elyase tbh无法100%确定所需的结果。哦，我想我明白你的意思了，上面假设DatetimeIndex是有序的。说得好。将使用最大值和最小值进行更新。
g.apply(lambda x: x['date'].iloc[-1] - x['date'].iloc[0])
g.apply(lambda x: x['date'].max() - x['date'].min())