按组件名称分组计算连续位置时间差及多维度平均耗时

嘿，我懂你为啥用spread转宽表没搞定了——这个思路其实把问题复杂化了，咱们换个更直接的方式，用分组和窗口函数就能轻松解决你的三个需求。先假设你的DataFrame大概有这些字段：component_name（组件名）、location（位置）、timestamp（时间戳）、component_type（组件类型），下面一步步来实现：

1. 计算每个组件连续位置间的时间差 #

首先得确保时间戳是 datetime 类型，然后按组件分组并按时间排序，用shift()拿到前一个位置，diff()算出时间差：

import pandas as pd

# 先转换时间格式（如果还没转的话）
df['timestamp'] = pd.to_datetime(df['timestamp'])

# 按组件分组，按时间排序后计算连续位置的时间差
df_sorted = df.sort_values(['component_name', 'timestamp'])
df_sorted['prev_location'] = df_sorted.groupby('component_name')['location'].shift(1)
df_sorted['time_diff'] = df_sorted.groupby('component_name')['timestamp'].diff()

这样处理后，每一行都会显示当前组件的上一个位置，以及从上一个位置到当前位置的时间差。过滤掉time_diff为NaN的行（也就是组件的第一个位置记录），就是你要的连续位置时间差数据。

2. 统计任意组件在单个位置的平均耗时 #

这里的“耗时”我默认是指组件从该位置出发到下一个位置的平均时间（如果是停留时间的话，后面我会补充另一种场景）。基于上面的df_sorted，我们按位置分组求平均即可：

# 过滤掉无时间差的行
valid_time_diff = df_sorted.dropna(subset=['time_diff', 'prev_location'])

# 单个位置的平均耗时（这里用prev_location代表组件离开的位置）
location_avg_time = valid_time_diff.groupby('prev_location')['time_diff'].mean().reset_index()
location_avg_time.columns = ['location', 'average_time']

3. 按位置+组件类型维度统计平均耗时 #

只需要在分组的时候加上component_type就行：

# 按位置+组件类型分组计算平均耗时
location_type_avg_time = valid_time_diff.groupby(['prev_location', 'component_type'])['time_diff'].mean().reset_index()
location_type_avg_time.columns = ['location', 'component_type', 'average_time']

补充：如果是统计组件在位置的停留时间 #

如果你的数据是记录组件进入/离开位置的事件（比如有event_type字段，值为enter/exit），那计算停留时间的方式会稍有不同：

# 按组件+位置分组，取最大时间（离开）减最小时间（进入）得到停留时间
stay_time_df = df.groupby(['component_name', 'location'])['timestamp'].apply(lambda x: x.max() - x.min()).reset_index()
stay_time_df.columns = ['component_name', 'location', 'stay_time']

# 单个位置的平均停留时间
location_avg_stay = stay_time_df.groupby('location')['stay_time'].mean().reset_index()

# 按位置+组件类型的平均停留时间（先关联组件类型）
stay_time_with_type = stay_time_df.merge(df[['component_name', 'component_type']].drop_duplicates(), on='component_name')
location_type_avg_stay = stay_time_with_type.groupby(['location', 'component_type'])['stay_time'].mean().reset_index()

为啥之前用spread没成功？因为转宽表后，每个组件的位置列数量可能不一致，而且连续位置的顺序关系会被打乱，处理起来反而更繁琐。用分组+shift/diff的方式，能直接保留组件的时间序列关系，效率也更高。

内容的提问来源于stack exchange，提问作者mjoy