我有一个带有唯一 ID、阶段和与该阶段关联的日期的 pandas 数据框。我想创建一个新列，显示在该特定阶段花费的时间。这意味着减去该唯一 ID 的日期减去与该相同 ID 关联的下一阶段的日期。由于数据是按 ID 和阶段排序的，该 ID 记录的最后阶段应该出错并读取“当前”或 n/a。它有助于查看下面的数据。我在想有一种方法可以执行多个 for 循环，但我不确定如何执行此操作。我曾尝试在融合数据框之前创建新列，但在很多情况下下一阶段是 n/a。它并不总是第 1 阶段=>2=>3 等，它可以直接从第 1 阶段跳到第 3 阶段。 example.describe Opportunity_ID stage value 0061R00000l43xP 1.0 2018-11-07 0061R00000lUT5r 1.0 2019-05-02 0061R00000lUT5r 2.0 2019-05-22 0061R00000lUT5r 3.0 2019-06-03 80061R0000lUT5r 5.0 2019-06-20 0061R00000lUT5r 5.5 2019-09-10 0061R00000lXwZL 1.0 2018-12-05 0061R00000lXwZL 4.0 2019-04-09 0061R00000lXwZL 5.0 2019-04-19 0061R00000lXwZL 5.5 2019-04-19 0061R00000lXwZL 8.0 2019-05-03 0061R00000lXwZL 9.0 2019-07-09 0061R00000lXwZL 11.0 2019-08-02 0061R00000lY4Vm 1.0 2018-12-06 0061R00000lY4Vm 2.0 2019-09-26 0061R00000lrOGm 3.0 2019-02-15 0061R00000lrOGm 4.0 2019-09-18 [793 rows x 3 columns]> example.dtypes Opportunity_ID object stage float64 value datetime64[ns] dtype: object
1 回答
元芳怎么了
TA贡献1798条经验 获得超7个赞
您可以使用sort_values+ groupby 根据 ID 按组计算差异。为了计算差值，使用 . 将日期转换为日期时间pd.to_datetime：
df['value']=pd.to_datetime(df['value'])
df=df.sort_values(['Opportunity_ID','stage'])
df['difference']=df.groupby('Opportunity_ID')['value'].diff(-1)
print(df)
Opportunity_ID stage value difference
0 0061R00000l43xP 1.0 2018-11-07 NaT
1 0061R00000lUT5r 1.0 2019-05-02 -20 days
2 0061R00000lUT5r 2.0 2019-05-22 -12 days
3 0061R00000lUT5r 3.0 2019-06-03 -99 days
5 0061R00000lUT5r 5.5 2019-09-10 NaT
6 0061R00000lXwZL 1.0 2018-12-05 -125 days
7 0061R00000lXwZL 4.0 2019-04-09 -10 days
8 0061R00000lXwZL 5.0 2019-04-19 0 days
9 0061R00000lXwZL 5.5 2019-04-19 -14 days
10 0061R00000lXwZL 8.0 2019-05-03 -67 days
11 0061R00000lXwZL 9.0 2019-07-09 -24 days
12 0061R00000lXwZL 11.0 2019-08-02 NaT
13 0061R00000lY4Vm 1.0 2018-12-06 -294 days
14 0061R00000lY4Vm 2.0 2019-09-26 NaT
15 0061R00000lrOGm 3.0 2019-02-15 -215 days
16 0061R00000lrOGm 4.0 2019-09-18 NaT
4 80061R0000lUT5r 5.0 2019-06-20 NaT
订购可能对您不方便。您可以在不预先排序值的情况下计算它。这将是您示例的结果：
df['value']=pd.to_datetime(df['value'])
df['difference']=df.groupby('Opportunity_ID')['value'].diff(-1)
print(df)
Opportunity_ID stage value difference
0 0061R00000l43xP 1.0 2018-11-07 NaT
1 0061R00000lUT5r 1.0 2019-05-02 -20 days
2 0061R00000lUT5r 2.0 2019-05-22 -12 days
3 0061R00000lUT5r 3.0 2019-06-03 -99 days
4 80061R0000lUT5r 5.0 2019-06-20 NaT
5 0061R00000lUT5r 5.5 2019-09-10 NaT
6 0061R00000lXwZL 1.0 2018-12-05 -125 days
7 0061R00000lXwZL 4.0 2019-04-09 -10 days
8 0061R00000lXwZL 5.0 2019-04-19 0 days
9 0061R00000lXwZL 5.5 2019-04-19 -14 days
10 0061R00000lXwZL 8.0 2019-05-03 -67 days
11 0061R00000lXwZL 9.0 2019-07-09 -24 days
12 0061R00000lXwZL 11.0 2019-08-02 NaT
13 0061R00000lY4Vm 1.0 2018-12-06 -294 days
14 0061R00000lY4Vm 2.0 2019-09-26 NaT
15 0061R00000lrOGm 3.0 2019-02-15 -215 days
16 0061R00000lrOGm 4.0 2019-09-18 NaT
添加回答
举报
0/150
提交
取消