Pandas 数据框应用参考前一行来计算差异

Question

我有以下包含 2 列（简化）的 Pandas 数据框。第一列包含玩家姓名，第二列包含日期（datetime对象）：

  player    date
  A         2010-01-01
  A         2010-01-09
  A         2010-01-11
  A         2010-01-15
  B         2010-02-01
  B         2010-02-10
  B         2010-02-21
  B         2010-02-23

我想添加一个列差异，表示每个玩家的天数时差。结果应如下所示：

  player    date            diff
  A         2010-01-01      0
  A         2010-01-09      8
  A         2010-01-11      2
  A         2010-01-15      4
  B         2010-02-01      0
  B         2010-02-10      9
  B         2010-02-21      11
  B         2010-02-23      2

第一行有0差异，因为没有更早的日期。第二行显示8，因为之间的差异2010-01-01，并2010-01-09为八天。

问题不是计算两个datetime物体之间的日差。我只是不确定如何添加新列。我知道，我必须先制作groupby( df.groupby('player')) 然后使用apply（或者可能transform？）。但是，我被卡住了，因为为了计算差异，我需要参考apply-function 中的前一行，如果可能的话，我不知道该怎么做。

非常感谢。

更新： 在尝试了以下两种建议的解决方案后，我发现它们不适用于我的代码。经过一番头痛，我发现我的数据有重复的索引。所以在我发现我有重复的索引后，一个简单的方法df.reset_index()解决了我的问题，并且建议的解决方案奏效了。由于两种解决方案都有效，但我只能将其中一个标记为正确，因此我将选择更简洁/更短的解决方案。不过还是要感谢你们！

Answer 1

你可以简单地写：

df['difference'] = df.groupby('player')['date'].diff().fillna(0)

这为新的 timedelta 列提供了正确的值：

  player       date  difference
0      A 2010-01-01      0 days
1      A 2010-01-09      8 days
2      A 2010-01-11      2 days
3      A 2010-01-15      4 days
4      B 2010-02-01      0 days
5      B 2010-02-10      9 days
6      B 2010-02-21     11 days
7      B 2010-02-23      2 days

（我使用名称“difference”而不是“diff”来区分名称和方法diff。）

Answer 2

如果您想手动实现它，另一种方法是执行以下操作

def date_diff(df):
    df['difference'] = df['date'] - df['date'].shift()
    df['difference'].fillna(0 ,inplace = True)
    return df

In [30]:
df_final = df.groupby(df['player']).apply(date_diff)
df_final
Out[30]:
player  date    difference
A   2010-01-01  0 days
A   2010-01-09  8 days
A   2010-01-11  2 days
A   2010-01-15  4 days
B   2010-02-01  0 days
B   2010-02-10  9 days
B   2010-02-21  11 days
B   2010-02-23  2 days