Python 关于pandas中日志的派生/元数据

要做到这一点，必须有一个精简的方法：

数据帧

t, ID
700, 1
900, 1
1000, 1
1100, 1
300, 2
100, 3
200, 3

预期结果：

elapsed, visits, 1/f, ID
400, 4, 100, 1
0, 1, 0, 2
100, 2, 50, 3

---

是否使用了

groupby

<代码>重新采样？我应该做一个ID

索引吗？
什么是
1/f
列？@korem访问之间的平均时间，即已用/访问
f
只是频率你必须编辑你的问题，目前它非常不清楚，而且在这一阶段的猜测工作中不会很快得到回答
1/f
列是什么？@korem访问之间的平均时间，即，经过/访问
f
只是频率你必须编辑你的问题，目前它非常不清楚，而且在这一阶段的猜测工作中不会很快得到回答
1/f
列是什么？@korem访问之间的平均时间，即，经过/访问
f
只是频率你必须编辑你的问题，目前它非常不清楚，而且在这一阶段的猜测工作中不会很快得到回答
1/f
列是什么？@korem访问之间的平均时间，即，经过/访问
f
只是频率你必须编辑你的问题，目前它非常不清楚，而且在这一阶段的猜测工作中，不会很快得到回答。这是一个非常快速和超高质量的猜测！这是疯狂的快速和超高质量的猜测！这是疯狂的快速和超高质量的猜测！这是疯狂的快速和超高质量的猜测！
In [88]: result = df.groupby(['ID'])['t'].agg(['min', 'max', 'count'])

In [89]: result['elapsed'] = result['max']-result['min']

In [90]: result['1/f'] = result['elapsed']/result['count']

In [91]: result = result[['elapsed','count', '1/f']].rename(columns={'count':'visits'})

In [92]: result = result.reset_index()

In [93]: result
Out[93]: 
   ID  elapsed  visits  1/f
0   1      400       4  100
1   2        0       1    0
2   3      100       2   50