Pandas数据处理求助：时长计算、ID统计与状态模式子集提取

我是Pandas新手，目前手里有一份记录设备状态的DataFrame，需要完成以下三个操作：

1. 计算每个ID从当前状态到下一个状态的间隔天数 #

示例：ID1中2017-04-26的Failure到2017-05-16的Maintenance间隔19天

2. 统计相关ID数量 #

• a. 故障（Failure）次数多于1次的ID数量；
• b. 故障次数多于2次且中间至少有1次维护（Maintenance）的ID数量，以及故障间有2次维护等的ID数量；

3. 提取Failure-Failure（F-F）和Failure-Maintenance（F-M）模式的子集数据 #

创建DataFrame的代码 #

import pandas as pd
import numpy as np

sales = [ 
    {'ID': '1', 'Status': 'Failure', 'Date': '2017-04-26'}, 
    {'ID': '2', 'Status': 'Failure', 'Date': '2017-05-06'}, 
    {'ID': '1', 'Status': 'Maintenance', 'Date': '2017-05-16'}, 
    {'ID': '1', 'Status': 'Failure', 'Date': '2017-07-06'}, 
    {'ID': '2', 'Status': 'Failure', 'Date': '2017-09-06'}, 
    {'ID': '1', 'Status': 'Failure', 'Date': '2018-01-14'}, 
    {'ID': '3', 'Status': 'Maintenance', 'Date': '2017-07-16'}, 
    {'ID': '4', 'Status': 'Failure', 'Date': '2017-07-16'}, 
    {'ID': '2', 'Status': 'Maintenance', 'Date': '2018-07-06'}, 
    {'ID': '3', 'Status': 'Failure', 'Date': '2018-01-06'}, 
    {'ID': '3', 'Status': 'Maintenance', 'Date': '2018-07-06'}, 
    {'ID': '3', 'Status': 'Failure', 'Date': '2019-07-06'}, 
    {'ID': '2', 'Status': 'Maintenance', 'Date': '2019-05-06'}, 
    {'ID': '2', 'Status': 'Failure', 'Date': '2019-10-06'}, 
    {'ID': '4', 'Status': 'Maintenance', 'Date': '2019-11-06'}
]
df = pd.DataFrame(sales)
df['Date'] = pd.to_datetime(df['Date'])

我已经尝试过类似df.groupby(['ID', 'Status']).size().reset_index(name='counts').sort_values(['counts'], ascending=False)的groupby组合，但没能解决这些问题。另外我还准备了排序后的数据示例及预期的F-F、F-M子集结果。

内容的提问来源于stack exchange，提问作者Danish