求助：基于DataFrame分组计算同餐厅同日连续订单时间差

核心解决步骤 #

你之前失败大概率是没在分组后对订单时间排序，或者order_time不是可计算的 datetime 类型，按下面的步骤来就能搞定：

1. 合并日期与时间为完整时间戳
   单独的日期和时间字段没法直接计算连续时间差，先合并成完整的datetime列：

import pandas as pd

# 若order_date是日期类型、order_time是字符串/时间类型，用此写法
df['order_datetime'] = pd.to_datetime(df['order_date'].astype(str) + ' ' + df['order_time'].astype(str))

# 若order_time已经是datetime.time类型，用这个更稳妥
df['order_datetime'] = pd.to_datetime(df['order_date']) + pd.to_timedelta(df['order_time'].astype(str))

2. 分组排序后计算时间差
   按restaurant_id和order_date分组，先对组内的订单时间排序（这步是关键！不排序的话diff会计算错乱），再用diff()生成连续订单的时间差：

# 先全局排序保证分组内顺序正确，再计算时间差
df = df.sort_values(['restaurant_id', 'order_date', 'order_datetime'])
df['time_diff'] = df.groupby(['restaurant_id', 'order_date'])['order_datetime'].diff()

3. 可选：转换时间差为可读数值
   默认time_diff是Timedelta类型，如果需要转换成分钟/秒这类数值方便后续分析：

# 转换为分钟数
df['time_diff_minutes'] = df['time_diff'].dt.total_seconds() / 60

关键注意点 #

• 必须确保同一餐厅同日的订单是按时间顺序排列的，否则diff()计算的不是连续订单的时间差
• 如果order_date或order_time是字符串类型，一定要先转成datetime相关类型再进行计算

内容的提问来源于stack exchange，提问作者Shivam Singhal