按第一次出现的每个值分组 pandas dataframe

Question

我有一个 pandas dataframe 看起来像这样：

ID	用户	行动	时间戳
1个	吉姆	开始	12/10/2022
2个	吉姆	开始	12/10/2022
3个	吉姆	结尾	2/2/2022
4个	奈特	开始	8/18/2022
5个	奈特	开始	2022 年 3 月 24 日
6个	奈特	结尾	2022 年 8 月 27 日
7	雷切尔	开始	2/7/2022
8个	雷切尔	结尾	2023 年 1 月 4 日
9	詹姆士	开始	6/12/2022
10	詹姆士	结尾	2022 年 5 月 14 日
11	詹姆士	开始	11/28/2022
12	詹姆士	开始	8/9/2022
13	詹姆士	结尾	2/15/2022

对于每个用户，可以有多个开始事件，但只有一个结束事件。 想象一下，他们有时需要重新开始一本书，但只完成一次。

我想要的是计算第一次开始和结束之间的时间差，因此为每个用户保留每个组中第一次出现的“开始”和“结束”。

有什么提示吗？

Answer 1

>>> (df.groupby(["user", "action"], sort=False)["timestamp"]
       .first()
       .droplevel("action")
       .diff().iloc[1::2])

user
James       29 days
Jim        311 days
Linette     -9 days
Rachel    -331 days
Name: timestamp, dtype: timedelta64[ns]

• 对于每个“用户”和“操作”对的“时间戳”，获取第一次出现
  • 这将有效地采取第一个开始，和（唯一）结束
• 然后放弃石斑鱼的结转“行动”水平
• 区分结束和开始
• 取每个其他值以获得每个用户的差异

（sort=False 确保在 groupby 期间开始不会混淆。）