具有以下 DF:
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，以反射(reflect)行之间的平均时间增量(以秒为单位)，因此输出将是:
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
我已经尝试过:
df.groupby('id')['timestamp'].apply(lambda x: x.mean())
但输出是整个组的平均值。 :(
最佳答案
对具有特定 ID 的不同组中的每个连续行使用 timedelta(以秒为单位)。获取扩展均值。
df['delta']=df.groupby('id')['timestamp'].apply(lambda x: (x.diff().dt.seconds).expanding().mean())
关于python - 扩展时间增量平均值，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/65520095/