如何基于DataFrame中另一行更新列值并合并行数据？

嘿，我来帮你搞定这个DataFrame合并和计算的需求！下面是具体的实现方案，用Pandas就能轻松完成：

1. 数据预处理 #

首先得把你的原始数据转换成DataFrame，同时把timestamp转为时间类型——毕竟要计算时间差，字符串可不行：

import pandas as pd

# 你的原始数据
raw_data = [
    [1, 'sent', '2017-06-29 18:38:03', None, None],
    [1, 'clicked', '2017-06-29 18:40:03', None, None],
    [2, 'sent', '2017-06-29 18:38:03', None, None]
]

df = pd.DataFrame(raw_data, columns=['id', 'action', 'timestamp', 'time_difference', 'opened'])
# 转换时间列格式
df['timestamp'] = pd.to_datetime(df['timestamp'])

2. 分组处理核心逻辑 #

我们按id分组，把每个id里的clicked行信息合并到sent行上，同时计算时间差、标记打开状态：

def process_single_id(group):
    # 先取出当前id的sent行作为基础
    sent_record = group[group['action'] == 'sent'].iloc[0].copy()
    # 检查当前id有没有对应的clicked记录
    clicked_record = group[group['action'] == 'clicked']
    
    if not clicked_record.empty:
        # 计算sent到clicked的时间差（这里以秒为单位，也可以转成其他格式）
        time_diff = (clicked_record['timestamp'].iloc[0] - sent_record['timestamp']).total_seconds()
        sent_record['time_difference'] = time_diff
        sent_record['opened'] = 1
    else:
        # 没有clicked记录的情况，按需求设置默认值
        sent_record['time_difference'] = None
        sent_record['opened'] = 0  # 你也可以改成None，根据实际需求调整
    
    return sent_record

# 分组处理后重组结果
final_df = df.groupby('id').apply(process_single_id).reset_index(drop=True)

3. 最终效果 #

运行完上面的代码，final_df就是你想要的格式：

id action           timestamp  time_difference  opened
0   1   sent 2017-06-29 18:38:03            120.0       1
1   2   sent 2017-06-29 18:38:03              NaN       0

如果你想让时间差显示成00:02:00这种时分秒格式，只需要把计算时间差的代码改成：

sent_record['time_difference'] = str(clicked_record['timestamp'].iloc[0] - sent_record['timestamp'])

内容的提问来源于stack exchange，提问作者rezon