基于Python DataFrame按条件计算行间交易时间差的问题

你当前的.diff()方法仅计算相邻行的时间差，无法根据hash与spent_transaction_hash的关联匹配任意位置的对应行，导致非相邻匹配时结果错误。可以通过建立哈希到时间的映射来解决这个问题，具体步骤如下：

1. 确保时间列是datetime类型
   如果block_timestamp还不是datetime格式，先进行转换：

   import pandas as pd
   
   df['block_timestamp'] = pd.to_datetime(df['block_timestamp'])
   

2. 构建哈希到时间的映射字典
   把hash作为键，对应的block_timestamp作为值，实现快速查找匹配的时间：

   hash_time_map = df.set_index('hash')['block_timestamp'].to_dict()
   

3. 计算目标时间差
   通过map方法获取每行spent_transaction_hash对应的时间，再计算与当前行时间的差值（转换为分钟），无匹配项时填充0：

   # 计算时间差并转换为分钟
   df['Difference'] = (df['block_timestamp'] - df['spent_transaction_hash'].map(hash_time_map)).dt.total_seconds() / 60
   # 填充空值并转为整数
   df['Difference'] = df['Difference'].fillna(0).astype('int64')
   

这个方法会精准匹配spent_transaction_hash对应的hash行的时间，不管匹配行在DataFrame的哪个位置——比如你提到的hash为e、spent_transaction_hash为g的行，会正确找到hash=g对应的时间计算差值，不会再出现错误结果。

内容的提问来源于stack exchange，提问作者ralphito