You need to enable JavaScript to run this app. Python Pandas 按组计算相邻记录时间差并统计间隔出现频次
优惠活动
大模型
产品
解决方案
定价
更多

Python Pandas 按组计算相邻记录时间差并统计间隔出现频次

Pandas 实现同组相邻时间差频次统计

实现步骤

  • 先把时间列转成标准datetime格式,防止后续计算因为类型不对报错
  • 按group_id做数据分组,在每个分组内部计算相邻两条记录的时间差,靠groupby的隔离属性,完全不会出现跨组算间隔的问题
  • 把算出来的时间差统一换成小时单位,注意跨天的间隔不能直接取小时数做差值,不然会漏掉跨天的累计时长,得通过总秒数换算
  • 把每个分组首条记录对应的空值删掉(首条记录没有前面的相邻记录,算出来的间隔是无效空值)
  • 统计不同间隔值的出现次数,调整列结构,得到最终的频次表

踩坑提醒

  • 算跨天时间差的时候,别直接用dt.hour算差值,比如当天8点到次日9点,直接算小时差会得到1小时的错值,必须用total_seconds()算总秒数再除以3600,才能得到25小时的准确结果
  • 分组算时间差的时候直接用diff()方法就行,不用手动拼错位的时间序列,Pandas会自动保证计算范围不超出当前分组边界

完整可运行代码

import pandas as pd

# 加载示例数据
df = pd.DataFrame({
    'group_id': ['A', 'A', 'A', 'B', 'B'],
    'timestamp': [
        '2020-09-29 06:00:00 UTC',
        '2020-09-29 08:00:00 UTC',
        '2020-09-30 09:00:00 UTC',
        '2020-09-01 04:00:00 UTC',
        '2020-09-01 06:00:00 UTC'
    ]
})

# 转换时间列为带UTC时区的datetime类型
df['timestamp'] = pd.to_datetime(df['timestamp'], utc=True)

# 组内计算相邻时间差,换算为小时单位
df['delta'] = df.groupby('group_id')['timestamp'].diff().dt.total_seconds() / 3600

# 过滤空值、统计频次、调整输出格式
result = (
    df.dropna(subset=['delta'])['delta']
    .value_counts()
    .rename_axis('delta')
    .reset_index(name='count')
    .sort_values('delta')
    .reset_index(drop=True)
)

跑出来的结果和示例预期完全一致:

deltacount
2.02
25.01

内容的提问来源于stack exchange,提问作者Roni Gadot

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.11.16 01:06:03