使用Python推断连续时间戳之间的增量

我从日志文件中解析了一个数据集（相当大），如下所示：

{id_1:[（1154251220），（2154252310），（3154253199），…]，id_2:[（1154251220），（2154252310），（3154253199），…]，id_3:[（1154251220），（2154252310），（3154253199），…]）

它是一个字典，每个键都有一个元组列表作为其值。键表示唯一的ID，而元组的第一个元素表示版本号，第二个元素表示时间戳

我希望能够找到每个ID的每个后续版本之间的时差，即版本1和2之间的时差，然后是版本2和3，然后是版本3和4

比如：

我已经尝试过为每个id解析每个列表并计算时间增量，但没有成功。实现这一目标的最佳方法是否包括

pandas

？就像这里：

我有没有办法不用

pandas

一旦我有了这些-确定所有ID的平均增量的最有效方法是什么？

也许这可以帮助：

deltas = {}
for id, stamps in dictionary.items():
     if id not in deltas:
         deltas[id] = [] 
     for i in range(len(stamps) - 1):
         deltas[id].append(stamps[i+1][1] - stamps[i][1])
print(deltas)

要获得增量的平均值，可以使用

statistics.mean（）

：

---

请发布您尝试过的内容，并解释其中的问题。完成后，您有什么建议吗？您确定所有增量都>0吗？元组是否按版本号排序？您可能需要首先应用排序（以保证增量>0）。元组都是按版本号排序的…“…并解释其问题。”比“它不起作用”更深一点的内容。运行到无法将元组转换为均值的分子/分母错误（）你能发布一个真实的数据集样本，这样我们就可以在上面测试代码了吗？最好是发布包含导致错误的数据的示例。

    for key in dictionary:
         for i in range(len(dictionary[key])):
               delta = dictionary[key][i][1] - dictionary[key][i+1][1]
               outlist.append(delta)

deltas = {}
for id, stamps in dictionary.items():
     if id not in deltas:
         deltas[id] = [] 
     for i in range(len(stamps) - 1):
         deltas[id].append(stamps[i+1][1] - stamps[i][1])
print(deltas)

from statistics import mean
for id, delta in deltas.items():
    print(id, mean(delta))