基于大熊猫数据框中的ID列的多个日期之间的差异

Question

我的实际情况是，在一家商店中，我想知道第一次访问和第二次访问之间的访问期（在第二次访问，第二次和第三次访问之间，...

我有一个带有2列的Python数据集（访问IDS）对于每个客户和访问日期）

data = {'Id': ['A', 'B','A','B','A','A'],
'Date': ['01/03/2022', '03/03/2022', '05/03/2022', '07/03/2022', '09/03/2022','11/03/2022']
}

我的问题：第一次访问与第二次访问之间有几天的时间？第二次访问和第三次访问之间的同样问题...

Answer 1

您期望的输出尚不清楚，但是让我们以客户为索引来计算一个2D表，访问为列：

# convert to datetime (assuming DD/MM/YYYY)
df['Date'] = pd.to_datetime(df['Date'], dayfirst=True)

# setting up group
g = df.groupby('Id')['Date']

df2 = (df
 .sort_values(by='Id')      # ensure the dates are ordered
 .assign(visit=g.cumcount().add(1),      # visit number
         nb_visits=g.transform('count'), # total number of visits
         diff=g.diff()                   # difference between successive visits
         )
 .query('nb_visits >= 4')   # filter to keep customers with at least 4 visits
 .pivot(index='Id', columns='visit', values='diff')  # reshape to 2D
)

输出：

这给出了自上次访问以来每个客户（如果更多3个访问）以来的天数

visit   1      2      3      4
Id                            
A     NaT 4 days 4 days 2 days

nb 。您可以在此处删除第一列，因为它始终是未定义的（NAT）

Answer 2

您可以首先将它们施放到pd.timestamp对象，然后对ID和日期进行排序

df['Date'] = pd.to_datetime(df['Date'], dayfirst=True)
df = df.sort_values(['Id', 'Date'])

是同一用户：

df['Date Since Last Visit'] = (df['Date'] - df['Date'].shift(1)) * (df['Id'] == df['Id'].shift())
df['Date Since Last Visit'] = df['Date Since Last Visit'].fillna(pd.Timedelta(0))

，您可以简单地计算时间戳中的差异，乘以布尔式蒙版，是否 将为您提供序列对象，您可以看到已经有多少天了。

您的输出将是：

    Id  Date        Date Since Last Visit
0   A   2022-03-01  0 days
2   A   2022-03-05  4 days
4   A   2022-03-09  4 days
5   A   2022-03-11  2 days
1   B   2022-03-03  0 days
3   B   2022-03-07  4 days

或者仅过滤出第一次访问：

df['Date Since Last Visit'] = df['Date'] - df['Date'].shift(1)
df = df[df['Id'] == df['Id'].shift()]

它给您：

    Id  Date        Date Since Last Visit
2   A   2022-03-05  4 days
4   A   2022-03-09  4 days
5   A   2022-03-11  2 days
3   B   2022-03-07  4 days