如何计算（第 1 行和第 2 行）和（第 3 行和第 4 行）之间的时间增量等等？
How to calculate time-delta between (row 1 and 2) and (row 3 and 4) and so on?
我有数据集，
ID Date
1 12/12/2020 13:00
1 12/12/2020 14:00
1 12/12/2020 15:00
1 12/12/2020 16:00
2 12/13/2020 13:00
2 12/13/2020 13:15
2 12/13/2020 14:00
2 12/13/2020 14:30
预期输出，
ID TimeDelta
1 120mins
2 45mins
我需要为每个 GROUPBY 找出（第 1 行和第 2 行）、（第 3 行和第 4 行）等之间的时间差，然后添加差值
一种方法是枚举行，然后进行数据透视：
enum = df.groupby('ID').cumcount()
df['col'] = enum % 2
df['row'] = enum //2
tmp = df.pivot_table(index=['ID','row'], columns='col',
values='Date', aggfunc='first')
tmp[1].sub(tmp[0]).sum(level=0)
输出：
ID
1 0 days 02:00:00
2 0 days 00:45:00
dtype: timedelta64[ns]
我有数据集，
ID Date
1 12/12/2020 13:00
1 12/12/2020 14:00
1 12/12/2020 15:00
1 12/12/2020 16:00
2 12/13/2020 13:00
2 12/13/2020 13:15
2 12/13/2020 14:00
2 12/13/2020 14:30
预期输出，
ID TimeDelta
1 120mins
2 45mins
我需要为每个 GROUPBY 找出（第 1 行和第 2 行）、（第 3 行和第 4 行）等之间的时间差，然后添加差值
一种方法是枚举行，然后进行数据透视：
enum = df.groupby('ID').cumcount()
df['col'] = enum % 2
df['row'] = enum //2
tmp = df.pivot_table(index=['ID','row'], columns='col',
values='Date', aggfunc='first')
tmp[1].sub(tmp[0]).sum(level=0)
输出：
ID
1 0 days 02:00:00
2 0 days 00:45:00
dtype: timedelta64[ns]