Python 扩展平均时间增量

具有以下特征：

df = pd.DataFrame({'id':[1,1,1,2,2,2,2],
'timestamp':['2020-09-01 18:14:35','2020-09-01 18:14:39',
'2020-09-01 18:14:40','2020-09-01 02:09:22','2020-09-01 02:09:35',
'2020-09-01 02:09:53','2020-09-01 02:09:57']})

df['timestamp'] = pd.to_datetime(df.timestamp)
print(df.head())

   id           timestamp
0   1 2020-09-01 18:14:35
1   1 2020-09-01 18:14:39
2   1 2020-09-01 18:14:40
3   2 2020-09-01 02:09:22
4   2 2020-09-01 02:09:35

我想计算每个id组内时间戳列的扩展平均值，以反映行之间的平均时间增量（以秒为单位），因此输出为：

   id           timestamp  delta
0   1 2020-09-01 18:14:35      0 - first row is always 0
1   1 2020-09-01 18:14:39      4 - (0 + 4) / 1
2   1 2020-09-01 18:14:41      3 - (0  + 4 + 2) / 2
3   2 2020-09-01 02:09:22      0 - first row is always 0
4   2 2020-09-01 02:09:34     12 - (0 + 12) / 1 

我试过：

df.groupby('id')['timestamp'].apply(lambda x: x.mean())

---

但产出是整个群体的平均值（

对具有特定id的不同组中的每个连续行使用以秒为单位的timedelta。获取扩展平均值

df['delta']=df.groupby('id')['timestamp'].apply(lambda x: (x.diff().dt.seconds).expanding().mean())

---

如果我没弄错的话，让我们试试

df['delta']=df.groupby（'id'）['timestamp']].apply（lambda x:（x.diff（）.dt.seconds）.expansing（）.mean（））

？您的输出中的一些时间戳与您的输入不同。无论如何，我会使用@wwnde提到的代码。您可以将

.fillna（0）

添加到链中。