Python Pandas 计算最近消费时间与数据采集时间的间隔

import pandas as pd
import numpy as np

# 假设data是一个包含订单信息的DataFrame
data = pd.DataFrame({'订单付款时间': ['2023-03-01', '2023-03-05', '2023-03-10'],
                    '数据采集时间': ['2023-03-03', '2023-03-08', '2023-03-15']})

# 将订单付款时间和数据采集时间转换为日期格式
data['订单付款时间'] = pd.to_datetime(data['订单付款时间'])
data['数据采集时间'] = pd.to_datetime(data['数据采集时间'])

# 计算R值（最近消费时间与数据采集时间的间隔）
data['R'] = (data['数据采集时间'] - data['订单付款时间']).dt.days

# R值是以天为单位的时间差，所以np.timedelta64(1, 'D')不需要使用

# 输出结果
print(data)

代码说明：

1. 导入库： 导入 pandas 和 numpy 库，分别用于数据处理和数值计算。
2. 创建示例数据： 创建一个包含订单信息的 DataFrame，包含订单付款时间和数据采集时间两列。
3. 日期格式转换： 使用 pd.to_datetime() 将订单付款时间和数据采集时间转换为日期格式。
4. 计算时间间隔： 使用 data['数据采集时间'] - data['订单付款时间'] 计算两个时间之间的差值，并使用 .dt.days 属性获取以天为单位的时间差。
5. 添加新列： 将计算得到的时间间隔添加到 DataFrame 中，作为新列 'R'。
6. 输出结果： 打印 DataFrame，查看计算结果。

代码示例中，'R' 列表示最近消费时间与数据采集时间的间隔，单位为天。

注意：

• 代码中使用 np.timedelta64(1, 'D') 可以表示一个天的时间差，但在本例中并不需要使用，因为 .dt.days 已经直接获取了以天为单位的时间差。
• 可以根据需要修改示例数据，以测试代码的功能。
• 代码中使用的 .dt.days 是 pandas DataFrame 中的属性，用于获取时间差值以天为单位。

希望以上信息对您有所帮助。