如何按ID计算数据集中行与行之间的日期天数差？

这问题我之前帮人解决过好多次，其实核心就是按ID分组后计算相邻日期的差值，我给你用两种常用数据处理工具的实现方法，你看哪种适合你：

方法一：用R语言实现 #

首先得确保你的日期列是真正的日期格式（原始数据里的是字符串，没法直接算差值），然后按ID分组计算相邻日期的差：

1. 转换日期格式

# 把字符串格式的Event列转成日期类型
temp$Event <- as.Date(temp$Event, format = "%m/%d/%Y")

2. 分组计算天数差
   用dplyr包来做分组操作，这是R里处理这类问题最顺手的工具：

library(dplyr)

temp <- temp %>%
  group_by(ID) %>%  # 按ID分组
  mutate(Days_Diff = Event - lag(Event)) %>%  # 计算当前日期与上一行日期的差值
  ungroup()  # 取消分组状态

运行后你会得到一个新列Days_Diff，每个ID的第一行是NA（因为没有前一个日期），后面的数值就是你要的天数差——比如ID31933的第二行是2天，ID31750的第二到第四行分别是6天、20天、1天，完全符合你的需求。

方法二：用Python Pandas实现 #

如果你习惯用Python处理数据，Pandas也能轻松搞定：

1. 转换日期格式

import pandas as pd

# 把字符串转成datetime类型
temp['Event'] = pd.to_datetime(temp['Event'], format='%m/%d/%Y')

2. 分组计算天数差
   Pandas的diff()方法专门用来计算相邻行的差值，配合groupby就能按ID分组计算：

# 计算差值，结果是timedelta类型
temp['Days_Diff'] = temp.groupby('ID')['Event'].diff()

# 如果你想把结果转成整数天数（去掉timedelta的单位），可以加这行：
temp['Days_Diff'] = temp['Days_Diff'].dt.days

同样，每个ID的第一行是NaN，后面的数值就是你需要的天数差。

为啥你之前可能没成功？ #

大概率是这两个原因：

• 日期列没转成日期格式：如果还是字符串类型，计算差值会报错或者得到错误结果；
• 没正确按ID分组：如果直接计算所有行的差值，会跨ID计算，结果肯定不对。

内容的提问来源于stack exchange，提问作者Jenny