在 Python 中计算列中日期之间时间间隔的简单方法

Question

假设我有一个这样的 Pandas DataFrame：

 item   event      date 
  A       1     2020-03-09
  B       1     2020-03-09
  A       2     2020-05-01
  B       2     2020-05-01
  C       2     2020-05-01
  A       3     2020-06-25
  C       3     2020-06-25
  B       4     2020-07-18
  C       4     2020-07-18

此数据框包含每个“事件”每个“项目”的唯一日期。所以这意味着一个项目有几个不同日期的事件。

现在我想计算每个项目日期之间的平均天数。所以这将是每个项目的不同值，因此需要我计算每个项目每个事件的日期之间的平均时间。

所以预期的输出如下所示：

  item   average_interval_in_days
    A              54
    B              65.5
    C              39.5 

有人知道怎么做吗？

Answer 1

与@BradSolomon 的回答非常相似，但有两个小区别：

df.sort_values(['item', 'date']).groupby('item')['date'].agg(
    lambda g: g.diff().mean() / pd.Timedelta(days=1))

# gives:
item
A    54.0
B    65.5
C    39.0

注意事项：

1. 确保日期在每个组中排序，否则平均值将取决于顺序；在你的例子中，日期恰好是排序的，所以如果你能保证它，你可以跳过.sort_values()；
2. 使用... / pd.Timedelta(days=1) 直接生成以天为单位的平均差。

速度的替代方案（没有排序，没有 lambda，但更不透明）

gb = df.groupby('item')['date']
(gb.max() - gb.min()) / (gb.count() - 1) / pd.Timedelta(days=1)

# gives:
item
A    54.0
B    65.5
C    39.0