在pandas中的GroupBy對象上計算date_range

Question

我有一個包含四列的海量數據框，其中兩列是'日期'（格式爲datetime）和'頁面'（位置另存爲string）。我已將數據框分組爲'page'，並將其稱爲pagegroup，並且想知道每個頁面被訪問的時間範圍（例如，第一次訪問在1-1-13上，最後一次在1-5-13上，所以max-min是5天）。

我知道熊貓，我可以使用date_range比較兩個日期時間，但在嘗試喜歡的事：

pagegroup['date'].agg(np.date_range) 

回報

AttributeError: 'module' object has no attribute 'date_range' 

，而試圖簡單（非特定日期的）numpy的功能ptp給我一個整數的答案：

daterange = pagegroup['date'].agg([np.ptp]) 
daterange.head() 

          ptp 
page       
%2F       0 
/   13325984000000000 
/-509606456 297697000000000 
/-511484155     0 
/-511616154     0 

有誰能想到一種計算日期範圍的方法，並使其以可識別的日期格式返回？

謝謝

Answer 1

假設你已經通過日期時間索引可以使用GROUPBY適用於：

In [11]: df = pd.DataFrame([[1, 2], [1, 3], [2, 4]], 
          columns=list('ab'), 
          index=pd.date_range('2013', freq='H', periods=3) 



In [12]: df 
Out[12]: 
        a b 
2013-08-22 00:00:00 1 2 
2013-08-22 01:00:00 1 3 
2013-08-22 02:00:00 2 4 

In [13]: g = df.groupby('a') 

In [14]: g.apply(lambda x: x.iloc[-1].name - x.iloc[0].name) 
Out[14]: 
a 
1 01:00:00 
2 00:00:00 
dtype: timedelta64[ns] 

這裏iloc[-1]抓住了最後一排的組中，並得到iloc[0]第一。 name屬性是行的索引。

@Elyase指出，這隻能如果原始DatetimeIndex是爲了，如果沒有可以使用的最大/最小（這實際上讀取更好，但可能不太有效）：

In [15]: g.apply(lambda x: x.index.max() - x.index.min()) 
Out[15]: 
a 
1 01:00:00 
2 00:00:00 
dtype: timedelta64[ns] 

注：在兩個時間戳之間獲得timedelta（我們剛剛減去）（-）。

如果日期是列而不是索引，然後使用柱名：

g.apply(lambda x: x['date'].iloc[-1] - x['date'].iloc[0]) 
g.apply(lambda x: x['date'].max() - x['date'].min())