如何用Python计算同Kiosk下当前行与前一行跨列日期差值

我需要计算不同行且不同列之间的日期差值，现有包含Kiosk、Online、Offline、Online Days字段的数据集：

我知道可以使用diff()函数计算同一列内不同行的差值，但未找到可同时偏移行和列的函数。在本案例中，我需要针对同一Kiosk，计算当前行的Online日期与前一行的Offline日期的差值，将其作为Offline Days字段添加到数据集中。期望输出的数据集如下：

初始DataFrame代码如下：

import pandas as pd

df = pd.DataFrame({
    'Kiosk': [1, 1, 1, 1, 2, 2, 2, 3, 3, 3, 3, 3],
    'Online': ["12/1/2022", "12/7/2022","12/20/2022", "12/24/2022","11/15/2022", 
               "12/2/2022","12/15/2022", "10/30/2022","11/17/2022", "11/23/2022",
               "12/4/2022", "12/18/2022"],
    'Offline': ["12/5/2022", "12/17/2022","12/21/2022", "12/29/2022","11/30/2022", 
                "12/7/2022","12/25/2022", "11/15/2022","11/22/2022", "11/30/2022",
                "12/15/2022", "12/20/2022"],
    'Online Days': [4, 10, 1, 5, 15, 5, 10, 16, 5, 7, 11, 2],
})

解决方案 #

1. 转换日期列类型：首先将字符串格式的日期转换为datetime类型，否则无法进行日期差值计算：

df['Online'] = pd.to_datetime(df['Online'])
df['Offline'] = pd.to_datetime(df['Offline'])

2. 分组偏移并计算差值：按Kiosk分组，对Offline列执行行偏移（下移一行），再用当前行的Online日期减去偏移后的Offline日期，提取天数作为Offline Days：

# 对每个Kiosk组的Offline列下移一行，对应前一行的Offline值
df['Offline Days'] = df.groupby('Kiosk')['Offline'].shift(1)
# 计算日期差并提取天数
df['Offline Days'] = (df['Online'] - df['Offline Days']).dt.days

执行上述代码后，df的结果就与期望输出完全一致，每个Kiosk的第一行因为没有前一行数据，Offline Days会显示为NaN。

内容的提问来源于stack exchange，提问作者the_zeef