连续数列的时间间隔计算

Question

我有一个像这样的数据文件：

   Path_Version commitdates Year-Month         API Age     api_spec_id 
168          NaN  2018-10-19    2018-10             39             521   
169          NaN  2018-10-19    2018-10             39             521  
170          NaN  2018-10-12    2018-10             39             521
171          NaN  2018-10-12    2018-10             39             521  
172          NaN  2018-10-12    2018-10             39             521  
173          NaN  2018-10-11    2018-10             39             521  
174          NaN  2018-10-11    2018-10             39             521  
175          NaN  2018-10-11    2018-10             39             521  
176          NaN  2018-10-11    2018-10             39             521  
177          NaN  2018-10-11    2018-10             39             521  
178          NaN  2018-09-26    2018-09             39             521  
179          NaN  2018-09-25    2018-09             39             521 

我想先计算从第一个提交日期到最后一个提交日期的时间，然后对提交日期进行排序，所以如下所示：

   Path_Version commitdates Year-Month         API Age     api_spec_id   Days_difference
168          NaN  2018-10-19    2018-10             39             521     25
169          NaN  2018-10-19    2018-10             39             521     25
170          NaN  2018-10-12    2018-10             39             521     18
171          NaN  2018-10-12    2018-10             39             521     18
172          NaN  2018-10-12    2018-10             39             521     18
173          NaN  2018-10-11    2018-10             39             521     16
174          NaN  2018-10-11    2018-10             39             521     16
175          NaN  2018-10-11    2018-10             39             521     16
176          NaN  2018-10-11    2018-10             39             521     16
177          NaN  2018-10-11    2018-10             39             521     16
178          NaN  2018-09-26    2018-09             39             521     1
179          NaN  2018-09-25    2018-09             39             521     0

我首先尝试通过api_spec_id对提交进行排序，因为它对每个API都是唯一的，然后计算出差异。

final_api['commitdates'] = final_api.groupby('api_spec_id')['commitdate'].apply(lambda x: x.sort_values())

final_api['diff'] = final_api.groupby('api_spec_id')['commitdates'].diff() / np.timedelta64(1, 'D')
final_api['diff'] = final_api['diff'].fillna(0)

它只会为整个列返回一个零。我不想对它们进行分组，我只想根据排序的提交日期计算差异:从第一次提交到整个数据集中的最后一次，以天为单位

你知道我怎么能做到这一点吗？

Answer 1

使用pandas.to_datetime，sub，min和dt.days

t = pd.to_datetime(df['commitdates'])

df['Days_difference'] = t.sub(t.min()).dt.days

如果您需要对每个API进行分组：

t = pd.to_datetime(df['commitdates'])

df['Days_difference'] = t.sub(t.groupby(df['api_spec_id']).transform('min')).dt.days

输出：

     Path_Version commitdates Year-Month  API Age  api_spec_id  Days_difference
168           NaN  2018-10-19    2018-10       39          521               24
169           NaN  2018-10-19    2018-10       39          521               24
170           NaN  2018-10-12    2018-10       39          521               17
171           NaN  2018-10-12    2018-10       39          521               17
172           NaN  2018-10-12    2018-10       39          521               17
173           NaN  2018-10-11    2018-10       39          521               16
174           NaN  2018-10-11    2018-10       39          521               16
175           NaN  2018-10-11    2018-10       39          521               16
176           NaN  2018-10-11    2018-10       39          521               16
177           NaN  2018-10-11    2018-10       39          521               16
178           NaN  2018-09-26    2018-09       39          521                1
179           NaN  2018-09-25    2018-09       39          521                0