split，groupby，在Pandas中结合以找出日期的差异

Question

我有一个简单的数据框，如下所示：

我想使用groupby按ID分组，然后找到一些方法来区分日期，然后列将它们绑定回数据帧，所以我最终得到这个：

groupby很简单，

grouped = DF.groupby('id')

并找到最早的日期是直截了当的，

maxdates = grouped['date'].min()

但我不知道该怎么办。 如何应用日期减法操作，然后合并？

还有一个类似的问题在这里 。

感谢您阅读这篇文章。

我的数据框是：

dates=pd.to_datetime(['2015-01-01', '2015-02-01', '2015-03-01', '2015-04-01', '2015-05-01', '2015-01-01', '2015-01-02', '2015-01-03', '2015-01-04', '2015-01-05'])

DF = DataFrame({'id':[1,1,1,1,1,2,2,2,2,2], 'date':dates})
cols = ['id', 'date']
DF=DF[cols]

编辑：以下两个答案都很棒。 我希望我能接受他们两个。

Answer 1

你可以像这样使用apply：

earliest_by_id = DF.groupby('id')['date'].min()
def since_earliest(row):
    return row.date - earliest_by_id[row.id]

DF['days_since_earliest'] = DF.apply(since_earliest, axis=1)
print(DF)

---

   id       date  days_since_earliest
0   1 2015-01-01               0 days
1   1 2015-02-01              31 days
2   1 2015-03-01              59 days
3   1 2015-04-01              90 days
4   1 2015-05-01             120 days
5   2 2015-01-01               0 days
6   2 2015-01-02               1 days
7   2 2015-01-03               2 days
8   2 2015-01-04               3 days
9   2 2015-01-05               4 days

编辑：

DF['days_since_earliest'] = DF.apply(since_earliest, axis=1).astype('timedelta64[D]')
print(DF)

   id       date  days_since_earliest
0   1 2015-01-01                    0
1   1 2015-02-01                   31
2   1 2015-03-01                   59
3   1 2015-04-01                   90
4   1 2015-05-01                  120
5   2 2015-01-01                    0
6   2 2015-01-02                    1
7   2 2015-01-03                    2
8   2 2015-01-04                    3
9   2 2015-01-05                    4

Answer 2

FWIW，使用transform通常比apply更简单（并且通常更快）。 transform获取groupby操作的结果并将其广播到原始索引：

>>> df["dse"] = df["date"] - df.groupby("id")["date"].transform(min)
>>> df
   id       date      dse
0   1 2015-01-01   0 days
1   1 2015-02-01  31 days
2   1 2015-03-01  59 days
3   1 2015-04-01  90 days
4   1 2015-05-01 120 days
5   2 2015-01-01   0 days
6   2 2015-01-02   1 days
7   2 2015-01-03   2 days
8   2 2015-01-04   3 days
9   2 2015-01-05   4 days

如果您更喜欢整数天而不是timedelta对象，则可以使用dt.days访问器：

>>> df["dse"] = df["dse"].dt.days
>>> df
   id       date  dse
0   1 2015-01-01    0
1   1 2015-02-01   31
2   1 2015-03-01   59
3   1 2015-04-01   90
4   1 2015-05-01  120
5   2 2015-01-01    0
6   2 2015-01-02    1
7   2 2015-01-03    2
8   2 2015-01-04    3
9   2 2015-01-05    4