Pandas DataFrame按列分组后组内按时间戳排序并计算时间差如何实现？

你写的代码存在两个问题：

• diff()方法对每个分组的第一行计算时会返回NaN，没有做填充0的处理，不符合需求
• 直接对全局排序后计算的结果索引是排序后的顺序，直接赋值回原DataFrame会出现值和行错位的问题

方式1：先全局排序再计算（适合需要最终结果按时间排序的场景） #

import pandas as pd

# 按时间全局排序
df_sorted = df.sort_values(by='Timestamp').copy()
# 分组计算差值，首行空值填充为0时间差
df_sorted['time_diff'] = df_sorted.groupby('Col1')['Timestamp'].diff().fillna(pd.Timedelta(0))

# 如果需要恢复原数据的行顺序，可额外执行下面的代码
# df = df_sorted.sort_index()

方式2：分组内单独处理（自动对齐原表索引，无需调整行顺序） #

import pandas as pd

df['time_diff'] = df.groupby('Col1')['Timestamp'].apply(
    lambda ser: ser.sort_values().diff().fillna(pd.Timedelta(0))
)

两种方式的时间差值计算结果完全一致，区别仅在于输出的行顺序是否和原表保持一致。

内容的提问来源于stack exchange，提问作者SteveS