基于其他列字符串的DataFrame行内数值相减技术问题

嘿，我来帮你搞定这个需求！看你的DataFrame结构，Number1和Number2列混着字符串'xx'和数值，我们需要针对每个Events分组，找到对应数值列有有效值的行，然后计算这些行的Time差值对吧？下面一步步来实现：

第一步：处理数据类型，转换无效值 #

首先把'xx'转换成NaN（缺失值），并把Number1和Number2转成数值类型，方便后续筛选和计算：

import pandas as pd
import numpy as np

k = 5
N = 8
d = ({'Time' : np.random.randint(k, k + 100 , size=N), 
      'Events' : ['ABC','DEF','GHI','JKL','ABC','DEF','GHI','JKL'], 
      'Number1' : ['xx','xx',1,'xx','xx','xx',2,'xx'], 
      'Number2' : ['xx',1,'xx',1,'xx',2,'xx',2]})
df = pd.DataFrame(data=d)

# 将'xx'替换为缺失值，并转为数值类型
df['Number1'] = pd.to_numeric(df['Number1'], errors='coerce')
df['Number2'] = pd.to_numeric(df['Number2'], errors='coerce')

第二步：按Events分组计算差值 #

我们定义一个自定义函数，对每个分组内的指定数值列（比如Number1或Number2），筛选出有有效值的行，按数值排序后计算Time的差值，最后把差值填充到该分组的所有行中：

def calculate_time_diff(group, target_col):
    # 筛选出当前数值列不为缺失值的行
    valid_rows = group.dropna(subset=[target_col])
    if len(valid_rows) >= 2:
        # 按数值列排序（确保是按1、2的顺序计算）
        sorted_rows = valid_rows.sort_values(target_col)
        # 计算最后一个Time减去第一个Time的差值
        time_diff = sorted_rows['Time'].iloc[-1] - sorted_rows['Time'].iloc[0]
        # 给当前分组的所有行添加差值列
        group[f'{target_col}_Time_Diff'] = time_diff
    else:
        # 如果分组内有效值不足2个，填充NaN
        group[f'{target_col}_Time_Diff'] = np.nan
    return group

# 对Number1和Number2分别应用分组计算
df = df.groupby('Events').apply(calculate_time_diff, 'Number1')
df = df.groupby('Events').apply(calculate_time_diff, 'Number2')

第三步：查看结果 #

现在你可以打印df查看最终结果：

print(df)

输出会类似这样（Time值是随机生成的）：

Time Events  Number1  Number2  Number1_Time_Diff  Number2_Time_Diff
0    23    ABC      NaN      NaN                NaN                NaN
1    56    DEF      NaN      1.0                NaN               31.0
2    12    GHI      1.0      NaN               67.0                NaN
3    89    JKL      NaN      1.0                NaN               12.0
4    45    ABC      NaN      NaN                NaN                NaN
5    87    DEF      NaN      2.0                NaN               31.0
6    79    GHI      2.0      NaN               67.0                NaN
7   101    JKL      NaN      2.0                NaN               12.0

可以看到，每个Events分组内对应数值列的时间差值会填充到该组的所有行中，没有足够有效值的分组则显示NaN。

内容的提问来源于stack exchange，提问作者user9394674