python - 如何计算 python pandas 数据帧的第一条记录和最后一条记录之间的时间差

Question

我有一个如下所示的数据框。

ATM ID  Ref no  Timestamp

1       11      2020/02/01 15:10:23
1       11      2020/02/01 15:11:03
1       111     2020/02/06 17:45:41
1       111     2020/02/06 18:11:03
2       22      2020/02/07 15:11:03
2       22      2020/02/07 15:25:01
2       22      2020/02/07 15:38:51
2       222     2020/02/07 15:11:03

我希望将其按 ATM ID 和引用号分组，以仅返回引用号和 ATM ID 组合的 1 个结果以及第一个和最后一个引用号的时间戳之间的持续时间。

输出格式

ATM ID  Ref no  Timestamp            Diff
1       11      2020/02/01 15:11:03  00:00:40
1       111     2020/02/06 18:11:03  00:25:22
2       22      2020/02/07 15:38:51  00:27:48
2       222     2020/02/07 15:11:03  00:00:00

Answer 1

在 GroupBy.agg 中使用自定义 lambda 函数最后一个值与第一个值的差异:

df1 = (df.groupby(['ATM ID','Ref no'])['Timestamp']
         .agg(lambda x: x.iat[-1] - x.iat[0])
         .reset_index(name='diff'))
print (df1)
   ATM ID  Ref no     diff
0       1      11 00:00:40
1       1     111 00:25:22
2       2      22 00:27:48
3       2     222 00:00:00

或者聚合last和first并通过DataFrame.assign创建新列:

df1 = (df.groupby(['ATM ID','Ref no'])['Timestamp']
         .agg(['last','first'])
         .assign(diff = lambda x: x.pop('last') - x.pop('first'))
         .reset_index()
         )
print (df1)
   ATM ID  Ref no     diff
0       1      11 00:00:40
1       1     111 00:25:22
2       2      22 00:27:48
3       2     222 00:00:00