使用熊猫计算每组两列的最小值/最大值之差

Question

给定以下数据集：

2020-01-01

group_id	from_date	to_date
0	2020-01-01		0	2020-02-01	2020-03-01
0	2020-03-01	2020-04-01
1	2020-02-01	2020-03-01

您的方法几乎是正确的，只需聚合为系列，然后再进行重命名：

# ensure datetime
df['from_date'] = pd.to_datetime(df['from_date'])
df['to_date'] = pd.to_datetime(df['to_date'])
(df.groupby('group_id')
.apply(lambda g: g['to_date'].max()-g['from_date'].min())
.reset_index(name='duration_days')
)

输出：

group_id duration_days
0         0       91 days
1         1       60 days

让我们不要处理应用lambda。melt+np.ptp

out = df.melt('group_id').groupby('group_id')['value'].agg(np.ptp).reset_index(name = 'duration_days')
Out[16]: 
group_id duration_days
0         0       91 days
1         1       60 days

计算每个组的最大值和最小值(我正在确保它们是日期时间对象，它们可能已经是了(：

maxi = df.groupby('group_id').to_date.max()
mini = df.groupby('group_id').from_date.min()

然后将它们彼此相减：

(maxi - mini).reset_index()

输出：

group_id  to_date
0          0 91 days
1          1 60 days

另一种可能的解决方案，基于pivot_table:

# previous conversion to datetime
cols = ['from_date', 'to_date']
df[cols] = df[cols].apply(pd.to_datetime)
(df.pivot_table(values=cols, index='group_id', aggfunc={
cols[0]: 'min', cols[1]: 'max'})
.assign(duration = lambda x: x.pop('to_date').sub(x.pop('from_date')))
.reset_index())

输出：

group_id duration
0         0  91 days
1         1  60 days