使用Pandas筛选含A、B类别的ID并计算绝对小时时间差

1. 数据准备（复现原始DataFrame） #

import pandas as pd

data = {
    'ID': [1,1,1,2,3,3,3],
    'Category': ['A','A','B','A','A','B','B'],
    'Date': ['1/1/22 10:14:12 AM', '1/1/22 10:12:12 AM', '1/2/22 10:14:12 AM',
             '1/1/22 10:14:12 AM', '1/2/22 10:14:12 AM', '1/1/22 10:14:12 AM', '1/1/22 10:18:12 AM']
}

df = pd.DataFrame(data)

2. 转换日期类型 #

将字符串格式的Date列转为datetime类型，支持后续时间运算：

df['Date'] = pd.to_datetime(df['Date'])

3. 筛选符合条件的ID #

仅保留同时包含Category A和B的ID：

# 检查每个ID的Category集合是否包含A和B
valid_ids = df.groupby('ID')['Category'].apply(lambda x: {'A', 'B'}.issubset(x.unique()))
# 提取符合条件的ID列表
valid_ids = valid_ids[valid_ids].index.tolist()
# 过滤原数据
filtered_df = df[df['ID'].isin(valid_ids)]

4. 聚合日期并计算时间差 #

对每个ID的A、B类日期取最小值（也可根据需求取最大值/平均值），再计算绝对时间差（小时为单位）：

# 按ID和Category分组聚合日期，转宽表
aggregated = filtered_df.groupby(['ID', 'Category'])['Date'].min().unstack()
# 计算时间差（秒转小时）
aggregated['Time Difference'] = abs(aggregated['A'] - aggregated['B']).dt.total_seconds() / 3600
# 整理成目标格式
result = aggregated[['Time Difference']].reset_index().astype({'Time Difference': int})

最终结果 #

print(result)

输出：

ID  Time Difference
0   1               24
1   3               24

补充说明 #

• 若同一ID+Category的多条记录需要其他聚合逻辑，只需将min()替换为max()（取最晚日期）或mean()（取平均时间）即可，示例数据中结果一致。
• 时间差计算通过dt.total_seconds()转换为秒后除以3600得到小时数，取绝对值确保结果为正。

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