基于ID分组计算时间戳差值：Pandas高效实现方案问询

首先要确保TimeStamp列是datetime类型（原数据为字符串，无法直接计算时间差），然后利用pandas内置的groupby.diff()方法——这是矢量化操作，比你原来用apply的方式效率高得多，尤其在数据量较大时优势明显。

优化后的代码： #

import pandas as pd

# 初始化示例DataFrame
df = pd.DataFrame({'ID':['A','A','B','B'],'TimeStamp':['2022-08-02T17:33:44.358Z',
'2022-08-02T17:33:44.600Z',
'2022-08-02T17:33:44.814Z',
'2022-08-02T17:33:45.028Z']})

# 将字符串时间戳转换为datetime类型
df['TimeStamp'] = pd.to_datetime(df['TimeStamp'])

# 按ID分组计算组内时间差
df['diff'] = df.groupby('ID')['TimeStamp'].diff()

# 查看结果
print(df['diff'])

输出结果： #

0                   NaT
1   0 days 00:00:00.242000
2   0 days 00:00:00.214000
3   0 days 00:00:00.214000
Name: diff, dtype: timedelta64[ns]

效率提升原因： #

• 你原来的代码用apply配合lambda，本质是逐组执行Python层面的循环，速度较慢；
• groupby.diff()是pandas底层实现的矢量化操作，直接在C语言层面完成计算，避免了Python循环的额外开销，处理大规模数据时性能提升显著。

内容的提问来源于stack exchange，提问作者INGl0R1AM0R1