如何用Pandas按Level列分组自动计算时间差？

用户提供的数据集代码：

import pandas as pd
from datetime import datetime, date

data = {'Time': ["08:35:00", "08:40:00", "08:45:00", "08:55:00", "08:57:00", "08:59:00"],
        'Level': [250, 250, 250, 200, 200, 200]}

df = pd.DataFrame(data)
df['Time'] = pd.to_datetime(df['Time'],format= '%H:%M:%S' ).dt.time

需求：按Level分组，计算每组的时间跨度（最大值减最小值）。尝试直接用groupby.apply计算Time的最大最小差值时失败，因为time类型不支持直接相减。

解决方案1：保留datetime类型（推荐） #

不要将Time列转换为time类型，直接保留datetime类型，这样可以直接进行差值计算：

import pandas as pd

data = {'Time': ["08:35:00", "08:40:00", "08:45:00", "08:55:00", "08:57:00", "08:59:00"],
        'Level': [250, 250, 250, 200, 200, 200]}

df = pd.DataFrame(data)
# 保留datetime类型，不转成time
df['Time'] = pd.to_datetime(df['Time'], format='%H:%M:%S')

# 分组计算时间跨度
df2 = df.groupby('Level')['Time'].agg(lambda x: x.max() - x.min())
print(df2)

输出结果：

Level
200   0 days 00:04:00
250   0 days 00:10:00
Name: Time, dtype: timedelta64[ns]

解决方案2：基于已转换的time类型计算 #

如果必须保留time类型的Time列，可以在分组后用datetime.combine将time对象转换为datetime对象再计算差值：

import pandas as pd
from datetime import datetime, date

data = {'Time': ["08:35:00", "08:40:00", "08:45:00", "08:55:00", "08:57:00", "08:59:00"],
        'Level': [250, 250, 250, 200, 200, 200]}

df = pd.DataFrame(data)
df['Time'] = pd.to_datetime(df['Time'],format= '%H:%M:%S' ).dt.time

# 分组计算，先转换time为datetime再求差值
df2 = df.groupby('Level').apply(
    lambda x: datetime.combine(date.today(), x['Time'].max()) 
             - datetime.combine(date.today(), x['Time'].min())
)
print(df2)

输出结果同样为：

Level
200   0 days 00:04:00
250   0 days 00:10:00
dtype: timedelta64[ns]

内容的提问来源于stack exchange，提问作者Essegn