行与列字段的总时间差(毫秒)

Question

我想计算一下我的车辆监控系统各行之间的时间差/时间增量。我总共有70万行数据，其中包括以下字段：

索引、时间戳、经度、经度、车辆型号

我的数据中有7种不同的模型

到目前为止，我可以使用下面的代码来计算单个行的时间差：

 mydataset['timestamp'] = pd.to_datetime(mydataset["timestamp"], format = 
 "%Y-%m-%d %H:%M:%S")
 mydataset['timedelta'] = (mydataset['timestamp'] - 
 mydataset['timestamp'].shift().fillna(pd.to_datetime("00:00:00", 
 format="%H:%M:%S")))

使用这段代码，我能够找到时差。但现在，我希望它被过滤到每一个单独的车型。现在，我只能计算每一行的差值。但其中一些行由不同的模型组成。有没有办法让它“看看”车辆模型并进行计算？

例如，数据

1,x,2018-05-16 09:14:37.343,0 days 00:00:05.000000000
2,x,2018-05-16 09:14:42.343,0 days 00:00:05.000000000
3,x,2018-05-16 09:14:47.343,0 days 00:00:05.000000000
4,x,2018-05-16 09:14:52.344,0 days 00:00:05.001000000
5,x,2018-05-16 09:14:57.344,0 days 00:00:05.000000000
6,y,2018-05-16 09:15:02.344,0 days 00:00:05.000000000
7,y,2018-05-16 09:15:07.344,0 days 00:00:05.000000000
8,y,2018-05-16 09:15:12.344,0 days 00:00:05.000000000
9,x,2018-05-16 09:15:17.344,0 days 00:00:05.000000000
10,x,2018-05-16 09:15:22.345,0 days 00:00:05.001000000

更新！如下所示是帮助我对车辆模型进行分组的代码。想请教一下计算每个模型的时间差的方法！

mydataset['new'] = mydataset.groupby('Model').timestamp.diff()

Answer 1

只使用groupby模型并使用diff()

>>> df.groupby('model').timestamp.diff()