熊猫在同一列中计算时差

Question

我需要根据每个人的id(name(和登录时间(login_time(来计算数据集中经过的时间。我想看看这个df:中列出的每个人从第一个login_time到最后一个login_time之间经过的时间

数据示例：

name   login_time
alex   2020-12-18T10:50:35
alex   2020-12-19T11:50:11
sue    2020-10-15T10:00:35
sue    2020-10-16T09:50:22

不幸的是，实际的数据集有超过800000行。如果它只是样本数据，我会这样做：

df = pd.read_csv('filepathto.csv')
df.apply(lambda x: x[x['name'] == 'alex'].login_time.max()
) - df.apply(lambda x: x[x['name'] == 'alex'].login_time.min()) #repeat for sue

我的问题是，我该如何扩展它，或者有没有更好的方法来获得我想要的结果(从第一次记录到最后一次记录的经过时间(？

编辑：DF有27列，而不仅仅是2列。列出的两个正是我对这个过程感兴趣的地方。

Answer 1

假设df的索引是name列。我会使用以下方法：

df.groupby('name').max() - df.groupby('name').min()

因为df中只有2列，所以df.groupby('name')的组值将是login_time列中的值。

CCD_ 10是除CCD_ 11之外的唯一列。

如果df中有2列以上，请使用以下代码指定login_time列：

df.groupby('name')['login_time'].max() - df.groupby('name')['login_time'].min()

Answer 2

使用GroupBy.agg减去Series.sub:

df['login_time'] = pd.to_datetime(df['login_time'])
df1 = df.groupby('name')['login_time'].agg(['min','max'])
print (df1)
min                 max
name                                        
alex 2020-12-18 10:50:35 2020-12-19 11:50:11
sue  2020-10-15 10:00:35 2020-10-16 09:50:22
df2 = df1['max'].sub(df1['min']).reset_index(name='diff')
print (df2)
name            diff
0  alex 1 days 00:59:36
1   sue 0 days 23:49:47

或者如果性能不重要：

df2 = (df.groupby('name')['login_time']
.agg(lambda x: x.max() - x.min())
.reset_index(name='diff'))