如何在pandas中计算每个用户的hh:mm:ss格式时间的中位数

错误原因 #

该报错是因为你使用的pandas版本不支持直接对Timedelta类型的列执行中位数聚合，pandas默认只能对数值类型执行这类聚合计算。

解决方法 #

有两种可行方案：

方案一：类型转换计算（兼容所有pandas版本） #

先将时间差转换为数值类型的总秒数，计算得到中位数后再转回Timedelta格式即可，修改后的完整代码如下：

file['date'] = pd.to_datetime(file['date'])
# 计算操作间隔时间差
file['diff'] = file.groupby(['operation', 'user'])['date'].diff().fillna(pd.Timedelta(0))
# 过滤间隔不超过20秒的记录，使用Timedelta对象比较避免字符串兼容问题
file = file.loc[file['diff'] <= pd.Timedelta(seconds=20)]
# 转换为总秒数的数值列
file['diff_seconds'] = file['diff'].dt.total_seconds()
# 聚合求中位数后转回时间差格式
results = file.groupby(['operation', 'user'])['diff_seconds'].median().apply(pd.to_timedelta, unit='s')
# 若需要输出hh:mm:ss格式的字符串，可添加下行代码
# results = results.apply(lambda x: str(x).split()[-1])

方案二：升级pandas版本 #

pandas 1.3.0及以上版本已经原生支持Timedelta类型的中位数聚合，你可以升级pandas后直接运行原有代码：

pip install --upgrade pandas

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