我有一个这样的数据框，
ID time text
1 8:43:43 PM one day
1 8:43:51 PM this code
1 8:44:07 PM will help
1 8:44:17 PM someone.
2 8:45:56 AM yes
2 8:46:09 AM I'm feeling
2 8:46:25 AM good.
我想按ID对时间列进行分组并计算持续时间。我知道我们可以使用join来合并文本并按每个ID分组。
最终输出将是
ID time-duration text
1 34 one day this code will help someone.
2 29 yes I'm feeling good.
将string_to_convert = "no me llama mucho la atenci\u00f3n"
print(json.dumps(json.loads(r'"%s"' % string_to_convert),ensure_ascii=False))
output: no me llama mucho la atención
与named aggregations一起使用（GroupBy.agg的最佳做法）
命名聚合的优点是我们可以聚合并同时重命名我们的列，请参见输出中的pandas >= 0.25.0。
time_durationdf['time'] = pd.to_datetime(df['time'])
dfg = df.groupby('ID').agg(
time_duration=('time',lambda x: x.max()-x.min()),text=('text',' '.join)
).reset_index()
我们可以做到
df.groupby('ID').agg({'time':np.ptp,'text':' '.join})
Out[49]:
time text
ID
1 00:00:34 one day this code will help someone.
2 00:00:29 yes I'm feeling good.
分组和聚合：
(df.groupby('ID',as_index=False)
.agg({'time': lambda x: (x.max() - x.min()).total_seconds(),'text': ' '.join})
)
输出：
ID time text
0 1 34.0 one day this code will help someone.
1 2 29.0 yes I'm feeling good.