如何使用python计算数据框中特定行值之间的时间差？答案

【问题标题】：How to calculate time difference between specific row values in dataframe using python?如何使用python计算数据框中特定行值之间的时间差？
【发布时间】：2020-01-25 09:52:40
【问题描述】：

df 如下所示：


Time                    A 

2019-05-18 01:15:28     7
2019-05-18 01:28:11     7
2019-05-18 01:36:36     12
2019-05-18 01:39:47     12
2019-05-18 01:53:32     12
2019-05-18 02:05:37     7

我了解如何计算连续行时间差。但我想在 A 中的值为 7 到 12 时计算时间差。

预期输出：


Time                    A   Time_difference

2019-05-18 01:15:28     7   0
2019-05-18 01:28:11     7   0
2019-05-18 01:36:36     12  00:21:08
2019-05-18 01:39:47     12  0
2019-05-18 01:53:32     12  0
2019-05-18 02:05:37     12  0

【问题讨论】：

这是您需要的特定计算，还是有关于减去哪些行的任何规则？一般来说，时间计算都有timedelta对象。
是特定规则，比如A列中出现7到12之间的窗口时间。
7 和 12 之间可能有多个 7 或 12 值？
是的。但窗口会在前 7 到前 12 之间。例如：[7,4,7,7,12] 7 到 12 是焦点。
您能否为minimal, complete, and verifiable example 添加更多7 和12 值？我认为如果更多连续的7 或12 或两者兼而有之。

标签： python pandas time

【解决方案1】：

解释：

(df["A"] == 7).cumsum() 将行分隔为每个 7
对于每组 7 个，如果有 12 个，则从组的第 1 行中减去第 1 行和 12
如果直到找到 12 才将组的第一行的值传递给下一组


import pandas as pd
import numpy as np

np.random.seed(10)
date_range = pd.date_range("25-9-2019", "27-9-2019", freq="3H")
df = pd.DataFrame({'Time':date_range, 'A':np.random.choice([5,7,12], len(date_range))})

df["Seven"] = (df["A"] == 7).cumsum()

# display(df)
pass_to_next_group = {"val": None}
def diff(group):
    group["Diff"]=0
    loc = group.index[group["A"]==12]

    time_a = pass_to_next_group["val"] if pass_to_next_group["val"] else group["Time"].iloc[0]
    pass_to_next_group["val"] = None

    if group.name>0 and len(loc)>0:           
        group.loc[loc[0],"Diff"] =  time_a-group.loc[loc[0],"Time"]
    else:
        pass_to_next_group["val"] = time_a

    return group


df.groupby("Seven").apply(diff)

【讨论】：

【解决方案2】：

示例：

times = [
    '2019-05-18 01:15:28',
    '2019-05-18 01:28:11',
    '2019-05-18 01:36:36',
    '2019-05-18 01:39:47',
    '2019-05-18 01:53:32',
    '2019-05-18 02:05:37'
]

a = [7, 7, 12, 7, 12, 7]

df = pd.DataFrame({'times': pd.to_datetime(times), 'A':a})
print (df)
                times   A
0 2019-05-18 01:15:28   7
1 2019-05-18 01:28:11   7
2 2019-05-18 01:36:36  12
3 2019-05-18 01:39:47   7
4 2019-05-18 01:53:32  12
5 2019-05-18 02:05:37   7

首先创建默认索引并仅使用7 和12 过滤行：

df = df.reset_index(drop=True)
df1 = df[df['A'].isin([7, 12])]

然后通过与移位值进行比较来获取行中的第一个连续值：

df1 = df1[df1['A'].ne(df1['A'].shift())]
print (df1)
                times   A
0 2019-05-18 01:15:28   7
2 2019-05-18 01:36:36  12
3 2019-05-18 01:39:47   7
4 2019-05-18 01:53:32  12
5 2019-05-18 02:05:37   7

然后过滤7 与下一个12 行：

m1 = df1['A'].eq(7) & df1['A'].shift(-1).eq(12)
m2 = df1['A'].eq(12) & df1['A'].shift().eq(7)

df2 = df1[m1 | m2]
print (df2)
                times   A
0 2019-05-18 01:15:28   7
2 2019-05-18 01:36:36  12
3 2019-05-18 01:39:47   7
4 2019-05-18 01:53:32  12

获取包含配对和取消配对行的日期时间：

out7 = df2.iloc[::2]
out12 = df2.iloc[1::2]

最后减去：

df['Time_difference'] = out12['times'] - out7['times'].to_numpy()
df['Time_difference'] = df['Time_difference'].fillna(pd.Timedelta(0))
print (df)
                times   A Time_difference
0 2019-05-18 01:15:28   7        00:00:00
1 2019-05-18 01:28:11   7        00:00:00
2 2019-05-18 01:36:36  12        00:21:08
3 2019-05-18 01:39:47   7        00:00:00
4 2019-05-18 01:53:32  12        00:13:45
5 2019-05-18 02:05:37   7        00:00:00

【讨论】：

【解决方案3】：

您可以使用loc 隔离数据框中的任何值。返回的是一个系列，它可以像列表一样被索引。使用[0] 获取系列中的第一个匹配项。

times = [
    '2019-05-18 01:15:28',
    '2019-05-18 01:28:11',
    '2019-05-18 01:36:36',
    '2019-05-18 01:39:47',
    '2019-05-18 01:53:32',
    '2019-05-18 02:05:37'
]

a = [9, 7, 7, 5, 12, 12]

df = pd.DataFrame({'times':times, 'a':a})
df.times = pd.to_datetime(df['times'])
pd.Timedelta(df.loc[df.a == 12, 'times'].values[0] - df.loc[df.a == 7, 'times'].values[0])

Timedelta('0 days 00:25:21')

或者，为了便于阅读，我们可以将代码分开，并对新变量进行计算：

times = [
    '2019-05-18 01:15:28',
    '2019-05-18 01:28:11',
    '2019-05-18 01:36:36',
    '2019-05-18 01:39:47',
    '2019-05-18 01:53:32',
    '2019-05-18 02:05:37'
]

a = [9, 7, 7, 5, 12, 12]

df = pd.DataFrame({'times':times, 'a':a})
df.times = pd.to_datetime(df['times'])
end = df.loc[df.a == 12, 'times'].values[0]
start = df.loc[df.a == 7, 'times'].values[0]
pd.Timedelta(end - start)

Timedelta('0 days 00:25:21')

【讨论】：

谢谢！但它不会遍历数据框以找到另一个 7 到 12 的窗口。就像我输入预期的输出一样，只要数据框中有 7 到 12 的窗口，就应该计算差异。我会稍微调整一下你的逻辑并检查...
我认为这不是您的预期输出所反映的。如果你想让它继续下去，会不会有另一个时差？在一条评论中，您明确表示您希望第一次出现。