Pandas如何计算DataFrame各分组内的日期间隔均值

问题场景 #

现有如下结构的数据集，包含分类列class、日期列date：

class    date
  A   2018-01-01
  B   2018-03-05
  A   2018-01-03
  A   2018-01-05
  B   2018-03-10
  A   2018-01-07

需要按class分组，计算每组内按时间排序后相邻日期的间隔天数均值，预期输出结果如下：

class  mean
  A     2
  B     5

原代码失效原因 #

你之前运行的代码存在两个核心问题：

• 没有对每个分类下的日期做升序排序，diff()默认按原始数据行顺序计算差值，一旦同分类下日期行顺序打乱，结果完全错误
• 没有对计算出的日期差做二次分组聚合，直接调用mean()会返回全量数据的全局均值；同时手动将首条记录的空差值填充为0秒，会把无效0值纳入统计，拉低均值结果

正确实现代码 #

首先确保date列已转换为Pandas的datetime类型，再执行计算：

import pandas as pd

# 构造示例数据集
df = pd.DataFrame({
    'class': ['A', 'B', 'A', 'A', 'B', 'A'],
    'date': ['2018-01-01', '2018-03-05', '2018-01-03', '2018-01-05', '2018-03-10', '2018-01-07']
})
# 转换日期列为datetime格式
df['date'] = pd.to_datetime(df['date'])

# 核心计算逻辑（简洁写法）
result = (
    df.groupby('class')['date']
    # 分组内先对日期排序，再计算相邻差值，求差值的天数均值（自动忽略首条记录的空值）
    .apply(lambda x: x.sort_values().diff().dt.days.mean())
    .reset_index(name='mean')
)

print(result)

运行输出 #

class  mean
0     A   2.0
1     B   5.0

如果需要均值为整数类型，追加.astype({'mean': int})转换即可。

注意：不需要手动填充diff()产生的NaT空值，Pandas的mean()方法默认会自动跳过空值计算，不会将无前置日期的首条记录纳入统计，结果更准确。

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