如何用Pandas按小时分组计算用户活动时间差平均值？

你遇到的核心问题是分组粒度不够细——之前的代码只按天来分组，把同一天不同小时的访问记录混在一起计算，导致跨小时的长间隔被纳入平均值，结果出现偏差。我们只需要把分组维度细化到「ID + 周 + 日期（天） + 小时」，就能只计算同一小时内的访问时间差平均值，得到你想要的结果。

修改后的代码 #

import pandas as pd

# 读取数据
df1 = pd.read_csv(r'C:\Users\Documents\Python\Data03.csv')

# 转换日期格式为datetime类型，方便后续提取维度
df1["date"] = pd.to_datetime(df1["date"])

# 新增两个分组关键字段：纯日期（天）和小时
df1['date_day'] = df1['date'].dt.normalize()  # 提取YYYY-MM-DD格式的日期部分
df1['hour'] = df1['date'].dt.hour             # 提取小时数

# 按细化后的维度分组，计算每个组内的时间差平均值
# 先按时间排序，再计算相邻记录的时间差，取平均值后转换为分钟
result = df1.sort_values('date').groupby(['ID', 'week', 'date_day', 'hour'])['date']\
            .agg(lambda x: x.diff().mean().total_seconds()/60 if len(x) > 1 else 0)\
            .reset_index(name='avg_difference')

# 将纯日期转换为你期望的DD/MM/YY格式
result['date'] = result['date_day'].dt.strftime('%d/%m/%y')

# 整理成目标输出的列结构
final_result = result[['ID', 'week', 'date', 'avg_difference']].fillna(0)

print(final_result)

关键步骤解释 #

1. 拆分时间维度：通过dt.normalize()和dt.hour把原时间字段拆分成「日期（天）」和「小时」，确保同一小时内的记录被分到同一组，跨小时的记录不会互相干扰。
2. 分组计算逻辑：只有当组内有2条及以上记录时才计算时间差平均值，避免单条记录产生空值；同时把时间差从秒转换为分钟，和你的结果格式一致。
3. 格式适配：把日期转换为你示例中的DD/MM/YY格式，最终保留需要的列即可。

运行结果验证 #

用你提供的示例数据运行后，会得到和期望完全一致的结果：

内容的提问来源于stack exchange，提问作者kri