Pandas中按用户分组聚合数据并计算日期差值的需求

没问题，我来帮你搞定这个需求！首先先修正下你代码里的小笔误——pd.Dataframe应该是pd.DataFrame（注意字母F是大写），不然运行时会抛出AttributeError哦。

接下来我们一步步实现目标，核心思路是按用户分组，找到每个用户的最早日期，再用每条记录的日期减去这个最早日期得到差值：

步骤1：修正并创建DataFrame，转换日期列类型 #

首先把原始的字符串日期转成Pandas的datetime类型，这样才能进行时间运算：

import pandas as pd

# 修正拼写错误：pd.DataFrame
d = {'User': ['A', 'A', 'A', 'B', 'B', 'C', 'C', 'C', 'C'], 
     'Date' : ['2017-10-21', '2017-10-24', '2017-10-29', '2017-09-30', '2017-10-23', '2017-10-31', '2017-11-02', '2017-11-03', '2017-11-03']}
df = pd.DataFrame(data=d)

# 把Date列转为datetime类型
df['Date'] = pd.to_datetime(df['Date'])

步骤2：计算每个用户的最早日期并匹配到每一行 #

用groupby+transform方法，这样可以把每个用户的最小日期（最早日期）自动对应到该用户的每一条记录上，不用额外做合并操作：

# 新增列存储每个用户的最早日期
df['First_Date'] = df.groupby('User')['Date'].transform('min')

步骤3：计算日期差值，新增结果列 #

直接用每条记录的Date减去对应的First_Date，如果想要得到整数天数，可以用.dt.days提取Timedelta对象的天数部分：

# 计算天数差值，新增列Days_Since_First
df['Days_Since_First'] = (df['Date'] - df['First_Date']).dt.days

最终结果 #

运行完上面的代码后，你的DataFrame会变成这样：

如果你不需要保留First_Date列，可以直接把步骤2和3合并成一行，更简洁：

df['Days_Since_First'] = (df['Date'] - df.groupby('User')['Date'].transform('min')).dt.days

内容的提问来源于stack exchange，提问作者panaceanoob