pandas DataFrame 如何根据动作列值计算资产安装时长（timedelta）？

方案逻辑说明 #

使用pd.crosstab生成层级索引的处理路径，后续折叠、配对安装/移除日期的冗余成本很高，更高效的实现方式是直接将动作类型展开为独立列，完成安装、移除日期的逐组配对后直接计算时间差。

分步实现代码 #

• 基础格式校正
  原始数据中Date列为字符串格式，无法直接执行时间差计算，首先完成格式转换：

  import pandas as pd
  df = pd.DataFrame({
      'Date': ['2007-11-01','2012-03-02','2012-03-02','2013-04-01','2013-04-01','2017-11-15','2017-11-15'], 
      'action':['installed','installed','removed','installed','removed','installed','removed'], 
      'asset_alphnum':['A-3724','A-3534','A-3724','A2732','A-3534','A-2007','A2732']
  })
  # 将字符串日期转为pandas datetime类型
  df['Date'] = pd.to_datetime(df['Date'])
  

• 结构化展开事件列
  相比生成嵌套的层级交叉表，直接通过pivot_table将action作为独立列展开，可得到无复杂嵌套结构的规整表格，省去后续折叠层级索引的操作：

  event_df = df.pivot_table(
      index='asset_alphnum',
      columns='action',
      values='Date',
      aggfunc='first'
  ).reset_index()
  

  展开后的表格列包含资产编号、安装日期、移除日期，可直接用于计算。
• 计算持续安装时长
  用移除日期减去对应安装日期，得到timedelta类型的时长，可按需提取天数值：

  # 计算时间差并转为自然天数值
  event_df['installed_duration_days'] = (event_df['removed'] - event_df['installed']).dt.days
  

边界场景处理：对于仅留存安装记录、无对应移除记录的资产（如示例数据中的A-2007），计算得到的时长为缺失值，可根据业务规则补充处理逻辑，比如计算安装日到当前日期的时长、标记为“处于安装状态”等。

原crosstab路径的补充操作指引 #

如果已经生成了带层级索引的crosstab结果，后续折叠、配对的操作逻辑为：

1. 拆解多层列索引，拆分出独立的日期值、动作类型字段
2. 以每一行的资产为单位，将不同时间点的installed、removed事件按时间先后顺序配对
3. 逐对计算日期差，汇总得到单资产的总安装时长
   该路径的计算冗余更高，在单资产多次安装、移除的复杂场景下，更容易出现配对错位的问题。

内容的提问来源于stack exchange，提问作者Prolle