在Pandas DataFrame中按类别分组计算行间Datetime差值

嘿，我来帮你搞定这个分组计算时间差的问题！你遇到的异常结果大概率是因为原方法的索引对齐出了问题，咱们换个更靠谱的方式来实现：

第一步：确保时间列是正确的datetime类型 #

首先得确认你的Datetime列已经转换成了pandas的datetime格式，如果还是字符串的话，减法运算肯定会出问题，先执行这一步：

df['Datetime'] = pd.to_datetime(df['Datetime'])

第二步：用内置的diff()方法分组计算时间差 #

pandas专门提供了diff()函数来计算序列中相邻元素的差值，配合groupby()就能轻松实现每个类别内单独计算的需求，代码简洁又靠谱：

df['Difference'] = df.groupby('Category')['Datetime'].diff()

为什么原方法会出问题？ #

你之前用的list(by_group.apply(...))方式，会把每个分组的计算结果转成列表再拼接，但这种方式很容易因为分组的索引和原DataFrame的索引不匹配，导致结果错位。而groupby().diff()是pandas原生支持的操作，会自动帮你处理好索引对齐的问题，每个分组内的第一行因为没有上一行数据，会显示NaN，这是合理的结果。

示例效果 #

比如用下面的测试数据：

import pandas as pd

data = {
    'Category': ['A', 'A', 'A', 'B', 'B', 'C'],
    'Datetime': ['2023-01-01 10:00', '2023-01-01 10:30', '2023-01-01 11:00',
                 '2023-01-01 09:00', '2023-01-01 09:45', '2023-01-01 12:00']
}
df = pd.DataFrame(data)
df['Datetime'] = pd.to_datetime(df['Datetime'])
df['Difference'] = df.groupby('Category')['Datetime'].diff()

输出结果会是这样：

完全符合每个类别内重新计算时间差的需求！

内容的提问来源于stack exchange，提问作者Josephine M. Ho