计算时间差

Question

我有以下熊猫数据帧： 编辑：它是由CREATED_DATE

排序

created_date incoming_message 
0 11/13/2014 18:06 1 
1 11/13/2014 21:56 0 
2 11/14/2014 3:40  1 
3 11/14/2014 3:55  1 
4 11/14/2014 5:09  0 

incoming_message表示该消息的方向（1 =呼入， 0 =传出）。 我试图找出消息交换的平均时间。 含义，1）响应的时间（外发消息），以及2）听到多久（传入消息）。 如果有多个传入消息，我想根据第一个传入消息计算持续时间。

对于

2 11/14/2014 3:40  1 
3 11/14/2014 3:55  1 
4 11/14/2014 5:09  0 

我应该算

2 11/14/2014 3:40  1 
4 11/14/2014 5:09  0 

这里的时间是我的尝试：

def responseTime(df): 
    ttr = [] #time to respond 
    tth = [] #time to hear back 
    i = 0 
    j = i+1 
    while j <= df.count().max()-1: 
     while df.iloc[i]['incoming_message'] == df.iloc[j]['incoming_message']: 
      j += 1 
     fd = df.iloc[i] 
     nd = df.iloc[j] 
     if fd['incoming_message'] != nd['incoming_message']: 
      if fd['incoming'] == 1: 
       ttr.append((nd['created_date'] - fd['created_date']).seconds/3600.0) 
      else: 
       tth.append((nd['created_date'] - fd['created_date']).seconds/3600.0) 
     i = j 
     j = i+1 
    return np.mean(ttr), np.mean(tth) 

虽然此功能，我觉得有更有效的办法解决问题。任何意见和建议将不胜感激！

Answer 1

不确定您想要输出的内容（例如，如果您想要转换或不转换）。 这是groupby。

In [91]: df 
Out[91]: 
       date value 
0 2014-11-13 18:06:00  1 
1 2014-11-13 21:56:00  0 
2 2014-11-14 03:40:00  1 
3 2014-11-14 03:55:00  1 
4 2014-11-14 05:09:00  0 

创建石斑鱼。这是一个分区程序，它可以找到值发生更改的断点，并根据该断点创​​建组。

In [92]: grouper = (df.value.diff(1)==1).cumsum() 

In [93]: grouper 
Out[93]: 
0 0 
1 0 
2 1 
3 1 
4 1 
Name: value, dtype: int64 

In [94]: g = df.groupby(grouper) 

计算日期列的最后一个值减去第一个值，产生一个timedelta。 这些是每个GROUP（例如，这就是索引代表的）。

In [95]: g['date'].last()-g['date'].first() 
Out[95]: 
value 
0  03:50:00 
1  01:29:00 
Name: date, dtype: timedelta64[ns] 

如果您想保留原始数据的来源。这是一种转换类型的操作。

In [105]: result = g['date'].transform('last')-g['date'].transform('first') 

In [106]: result 
Out[106]: 
0 03:50:00 
1 03:50:00 
2 01:29:00 
3 01:29:00 
4 01:29:00 
dtype: timedelta64[ns] 

然后，您需要选择原始断点发生的索引。

In [108]: result.iloc[grouper.drop_duplicates(take_last=True).index] 
Out[108]: 
1 03:50:00 
4 01:29:00 
dtype: timedelta64[ns] 

这些都是相当高效的，因为这些都是矢量化操作。