Python split、groupby和Pandas组合，以找出日期的差异

我有一个简单的数据框，如下所示：

earliest_by_id = DF.groupby('id')['date'].min()
def since_earliest(row):
    return row.date - earliest_by_id[row.id]

DF['days_since_earliest'] = DF.apply(since_earliest, axis=1)
print(DF)

我想使用

groupby

按id分组，然后找到一些方法来区分日期，然后将它们列绑定回数据帧，因此我最终得出以下结论：

groupby很简单

grouped = DF.groupby('id')

maxdates = grouped['date'].min()

找到最早的日期很简单

grouped = DF.groupby('id')

maxdates = grouped['date'].min()

但我不知道该怎么做。如何应用日期减法运算，然后合并

还有一个类似的问题

谢谢你读到这里

我的数据帧是：

dates=pd.to_datetime(['2015-01-01', '2015-02-01', '2015-03-01', '2015-04-01', '2015-05-01', '2015-01-01', '2015-01-02', '2015-01-03', '2015-01-04', '2015-01-05'])

DF = DataFrame({'id':[1,1,1,1,1,2,2,2,2,2], 'date':dates})
cols = ['id', 'date']
DF=DF[cols]

编辑：

---

下面的两个答案都很棒。我希望我能同时接受它们。

您可以这样使用apply：

earliest_by_id = DF.groupby('id')['date'].min()
def since_earliest(row):
    return row.date - earliest_by_id[row.id]

DF['days_since_earliest'] = DF.apply(since_earliest, axis=1)
print(DF)

---

编辑：

DF['days_since_earliest'] = DF.apply(since_earliest, axis=1).astype('timedelta64[D]')
print(DF)

   id       date  days_since_earliest
0   1 2015-01-01                    0
1   1 2015-02-01                   31
2   1 2015-03-01                   59
3   1 2015-04-01                   90
4   1 2015-05-01                  120
5   2 2015-01-01                    0
6   2 2015-01-02                    1
7   2 2015-01-03                    2
8   2 2015-01-04                    3
9   2 2015-01-05                    4

FWIW，使用通常比

apply

更简单（通常更快）<代码>转换获取groupby操作的结果，并将其广播到原始索引：

>>> df["dse"] = df["date"] - df.groupby("id")["date"].transform(min)
>>> df
   id       date      dse
0   1 2015-01-01   0 days
1   1 2015-02-01  31 days
2   1 2015-03-01  59 days
3   1 2015-04-01  90 days
4   1 2015-05-01 120 days
5   2 2015-01-01   0 days
6   2 2015-01-02   1 days
7   2 2015-01-03   2 days
8   2 2015-01-04   3 days
9   2 2015-01-05   4 days

如果您喜欢整数天而不是timedelta对象，可以使用

dt.days

访问器：

>>> df["dse"] = df["dse"].dt.days
>>> df
   id       date  dse
0   1 2015-01-01    0
1   1 2015-02-01   31
2   1 2015-03-01   59
3   1 2015-04-01   90
4   1 2015-05-01  120
5   2 2015-01-01    0
6   2 2015-01-02    1
7   2 2015-01-03    2
8   2 2015-01-04    3
9   2 2015-01-05    4

---

熊猫太神奇了。那是APL传统FTW@我不知道

DF.date

和

DF[“date”]

是同义词。在熊猫中建立索引是一个疯狂的过程，使用

[]、.ix、.loc。iloc

等。我想我会把

添加到列表中。另外--为什么此函数返回

x天

？我们如何摆脱文本

days

？熊猫那样在里面插入文字似乎很冒昧。实际上，一个同样紧迫的问题是，操作如何在开始的几天内返回值？为什么不是几年或几个月？这里发生了非常神秘的事情……最早的

天的数据类型是
timedelta64[ns]
。您可以使用以下命令进行转换：。