如何在Pandas中按ID匹配DataFrame并计算时间差

不用纠结groupby，用**合并（merge）**关联两个DataFrame是更直接的方案，步骤如下：

1. 统一时间格式：先确保两个DataFrame的时间列都是datetime类型（如果不是，先转换）：

   import pandas as pd
   
   # 转换入院时间列格式
   df1['admissiontime'] = pd.to_datetime(df1['admissiontime'])
   # 转换df2的记录时间列格式
   df2['datetime'] = pd.to_datetime(df2['datetime'])
   

2. 关联入院时间到df2：利用merge把df1中每个id对应的唯一入院时间匹配到df2的每条记录上：

   # 只保留df1的id和admissiontime列做合并，避免引入多余字段
   df_merged = df2.merge(df1[['id', 'admissiontime']], on='id', how='left')
   

   • how='left'会保留df2的所有原始记录，如果某个id在df1中不存在，对应的admissiontime会是NaN，后续时间差也会为NaN。

3. 计算时间差：直接用两列时间相减得到Timedelta类型的结果，也可以按需转换成小时、天数等数值格式：

   # 生成原始时间差（Timedelta类型，显示为X days X hours:minutes:seconds）
   df_merged['time_diff'] = df_merged['datetime'] - df_merged['admissiontime']
   
   # 可选：转换为总小时数（浮点型）
   df_merged['time_diff_hours'] = df_merged['time_diff'].dt.total_seconds() / 3600
   
   # 可选：转换为天数（整数型，只取整数部分）
   df_merged['time_diff_days'] = df_merged['time_diff'].dt.days
   

如果一定要用groupby实现，可以借助字典映射：

# 把df1转换成id映射到入院时间的字典
admission_map = df1.set_index('id')['admissiontime'].to_dict()

# 按id分组后，给每组的datetime匹配对应入院时间并计算差值
df2['time_diff'] = df2.groupby('id')['datetime'].transform(
    lambda group: group - admission_map[group.name]
)

这种方法需要确保df2的所有id都在df1中存在，否则会触发KeyError，不如merge方案容错性高。

内容的提问来源于stack exchange，提问作者Gwénolé