Pandas计算特定行间时间差 新增Delta列存T到C状态时间间隔

我的DataFrame对象d的构造代码如下：

import pandas as pd
d=pd.DataFrame(columns=['Status','t'])

d['Status']=['A','T', 'A','C','C','A','T','A','C','A']
d['t']= pd.to_datetime(['2021-06-12 08:39:24.813000',
'2021-06-12 08:39:24.820000',
'2021-06-12 08:39:25.210000',
'2021-06-12 08:39:25.217000',
'2021-06-12 08:44:28.830000',
'2021-06-12 10:48:10.293000',
'2021-06-12 10:48:10.300000',
'2021-06-12 10:48:10.680000',
'2021-06-12 10:48:10.693000',
'2021-06-12 10:48:11.223000'])

需求：新增名为Delta的列，计算每组成对的"T"（Trigger，触发）状态行与后续对应的第一个"C"（结束）状态行之间的时间差值，最终效果参考附图：

核心逻辑是先给每个触发的T分配唯一组ID，将组ID向前填充覆盖T之后、下一个T之前的所有行，再匹配每个组内第一个出现的C和对应T的时间做差即可。
完整实现代码：

import numpy as np

# 遇到T则组号+1，生成连续的组ID
d['trigger_group'] = d['Status'].eq('T').cumsum()
# 向前填充组ID，让T之后的行带上对应T的组标识
d['trigger_group'] = d['trigger_group'].ffill()

# 提取每个组对应的T触发时间
trigger_time = d[d['Status'] == 'T'].set_index('trigger_group')['t']
d['t_trigger'] = d['trigger_group'].map(trigger_time)

# 标记每个组内C的出现顺序，仅取第一个C计算时间差
d['c_seq'] = d[d['Status'] == 'C'].groupby('trigger_group').cumcount()
d['Delta'] = np.where(
    (d['Status'] == 'C') & (d['c_seq'] == 0),
    d['t'] - d['t_trigger'],
    pd.NaT
)

# 删除临时辅助列
d = d.drop(columns=['trigger_group', 't_trigger', 'c_seq'])

运行结果和参考图完全一致：

• 第一组T（索引1）对应第一个C（索引3），Delta值为0 days 00:00:00.397000
• 第二组T（索引6）对应第一个C（索引8），Delta值为0 days 00:00:00.393000
• 其余非配对C、T、A状态行的Delta均为空值

如果需要将差值转为毫秒数值格式，可以把计算Delta的代码替换为：

d['Delta'] = np.where(
    (d['Status'] == 'C') & (d['c_seq'] == 0),
    (d['t'] - d['t_trigger']).dt.total_seconds() * 1000,
    np.nan
)

内容的提问来源于stack exchange，提问作者Amit V