根据每个唯一记录熊猫数据帧的第一个和最后一个计算每个事件的总时间 [关闭]答案

【问题标题】：calculating the total time for each event based on the first and last of each unique record pandas dataframe [closed]根据每个唯一记录熊猫数据帧的第一个和最后一个计算每个事件的总时间 [关闭]
【发布时间】：2019-03-07 00:04:14
【问题描述】：

我有一个熊猫数据框，如下所示：

  event_id           timestamp
0       e0 2015-07-20 12:00:56
1       e0 2015-07-20 13:00:56
2       e1 2015-07-20 01:30:00
3       e1 2015-07-20 02:30:00
4       e1 2015-07-20 03:00:00
5       e2 2015-07-20 18:45:00
6       e2 2015-07-20 18:47:00
7       e2 2015-07-20 18:48:00
8       e2 2015-07-20 18:49:00

我想计算每个事件产生的总时间：

                   timestamp  count (minutes)
event_id                                     
e0       2015-07-20 13:00:56             60.0
e1       2015-07-20 03:00:00             90.0
e2       2015-07-20 18:49:00              4.0

【问题讨论】：

请将您的数据框作为文本发布
谢谢大家，这是我第一次发布东西和惊人的回应。谢谢社区....

标签： python pandas datetime time

【解决方案1】：

重新创建数据框：

import pandas as pd

df = pd.DataFrame([['e0','2015-07-20 12:00:56'],
    ['e0','2015-07-20 13:00:56'],
    ['e1','2015-07-20 01:30:00'],
    ['e1','2015-07-20 02:30:00'],
    ['e1','2015-07-20 03:00:00'],
    ['e2','2015-07-20 18:45:00'],
    ['e2','2015-07-20 18:47:00'],
    ['e2','2015-07-20 18:48:00'],
    ['e2','2015-07-20 18:49:00']],
    columns=['event_id','timestamp'])

您可以使用sort_values() 确保timestamp 列针对event_id 中的每个组进行排序。然后您可以利用groupby() 和apply() 和pd.Timedelta() 来计算每个条目（或行）之间的时间差：

df['count (minutes)'] = df.sort_values(['event_id','timestamp']).groupby('event_id')['timestamp'].apply(lambda x: (x-x.iloc[0])/pd.Timedelta(1, 'm'))

这给出了：

  event_id           timestamp  count (minutes)
0       e0 2015-07-20 12:00:56              0.0
1       e0 2015-07-20 13:00:56             60.0
2       e1 2015-07-20 01:30:00              0.0
3       e1 2015-07-20 02:30:00             60.0
4       e1 2015-07-20 03:00:00             90.0
5       e2 2015-07-20 18:45:00              0.0
6       e2 2015-07-20 18:47:00              2.0
7       e2 2015-07-20 18:48:00              3.0
8       e2 2015-07-20 18:49:00              4.0

然后您可以再次调用groupby() 并使用last() 返回最后一行：

df.groupby('event_id').last()

产量：

                   timestamp  count (minutes)
event_id                                     
e0       2015-07-20 13:00:56             60.0
e1       2015-07-20 03:00:00             90.0
e2       2015-07-20 18:49:00              4.0

【讨论】：

【解决方案2】：

使用groupby 和agg

s = df.groupby('event_id').timestamp.diff().div(pd.Timedelta(minutes=1))

df.assign(minutes=s).groupby('event_id').agg({'timestamp': 'last', 'minutes': 'sum'})

                   timestamp  minutes
event_id
e0       2015-07-20 13:00:56     60.0
e1       2015-07-20 03:00:00     90.0
e2       2015-07-20 18:49:00      4.0

【讨论】：

【解决方案3】：

您可以尝试使用 groupby 而不进行排序，

df.groupby('event_id').timestamp.agg(['last', lambda x: (x.max()-x.min()).total_seconds() / 60.0])\
.rename(columns = {'last': 'timestamp','<lambda>': 'count (minutes)'}).reset_index()


    event_id    timestamp             count (minutes)
0   e0          2015-07-20 13:00:56   60.0
1   e1          2015-07-20 03:00:00   90.0
2   e2          2015-07-20 18:49:00   4.0

【讨论】：