Subtract successive rows in a dataframe grouped by id in pandas(Python)

Question

I have the following data frame:

id        day           total_amount

 1       2015-07-09         1000

 1       2015-10-22          100

 1       2015-11-12          200

 1       2015-11-27         2392

 1       2015-12-16          123

 7       2015-07-09          200

 7       2015-07-09         1000

 7       2015-08-27       100018

 7       2015-11-25         1000

 8       2015-08-27         1000

 8       2015-12-07        10000

 8       2016-01-18          796

 8       2016-03-31        10000

15       2015-09-10         1500

15       2015-09-30         1000

I need to subtract every two successive time in day column if they have the same id until reaching the last row of that id then start subtracting times in day column this time for new id, something similar to following lines in output is expected:

 1       2015-08-09         1000 2015-11-22 - 2015-08-09

 1       2015-11-22          100 2015-12-12 - 2015-11-22

 1       2015-12-12          200 2015-12-16 - 2015-12-12

 1       2015-12-16         2392 2015-12-27 - 2015-12-27

 1       2015-12-27          123         NA

 7       2015-08-09          200 2015-09-09 - 2015-08-09

 7       2015-09-09         1000 2015-09-27 - 2015-09-09

 7       2015-09-27       100018 2015-12-25 - 2015-09-27

 7       2015-12-25         1000         NA

 8       2015-08-27         1000  2015-12-07 - 2015-08-27

 8       2015-12-07        10000  2016-02-18 - 2015-12-07

 8       2016-02-18          796   2016-04-31- 2016-02-18     

 8       2016-04-31        10000         NA

15       2015-10-10         1500  2015-10-30 - 2015-10-10

15       2015-10-30         1000         NA

Answer 1

Here, you basically need time difference in hours.

So, for that convert timedelta to hours. 

df['diff'] = df.groupby('id')['day'].diff(-1) * (-1) / np.timedelta64(1, 'h')

print (df)

    id        day  total_amount    diff

0    1 2015-07-09          1000  2520.0

1    1 2015-10-22           100   504.0

2    1 2015-11-12           200   360.0

3    1 2015-11-27          2392   456.0

4    1 2015-12-16           123     NaN

5    7 2015-07-09           200     0.0

6    7 2015-07-09          1000  1176.0

7    7 2015-08-27        100018  2160.0

8    7 2015-11-25          1000     NaN

9    8 2015-08-27          1000  2448.0

10   8 2015-12-07         10000  1008.0

11   8 2016-01-18           796  1752.0

12   8 2016-03-31         10000     NaN

13  15 2015-09-10          1500   480.0

14  15 2015-09-30          1000     NaN

df['diff'] = df.groupby('id')['day'].apply(lambda x: x.shift(-1) - x) / 

                                     np.timedelta64(1, 'h')

print (df)

    id        day  total_amount    diff

0    1 2015-07-09          1000  2520.0

1    1 2015-10-22           100   504.0

2    1 2015-11-12           200   360.0

3    1 2015-11-27          2392   456.0

4    1 2015-12-16           123     NaN

5    7 2015-07-09           200     0.0

6    7 2015-07-09          1000  1176.0

7    7 2015-08-27        100018  2160.0

8    7 2015-11-25          1000     NaN

9    8 2015-08-27          1000  2448.0

10   8 2015-12-07         10000  1008.0

11   8 2016-01-18           796  1752.0

12   8 2016-03-31         10000     NaN

13  15 2015-09-10          1500   480.0

14  15 2015-09-30          1000     NaN