Условие

В events(user_id, ts, event) для каждой строки добавить колонку seconds_since_last — сколько секунд прошло с прошлого события того же пользователя. Для первого события у юзера — NaN.

Решение

Подход

groupby(user).ts.diff() даёт разницу с предыдущей строкой внутри группы. Перевести в секунды.

import pandas as pd
 
events = events.sort_values(['user_id', 'ts']).copy()
events['seconds_since_last'] = (
    events.groupby('user_id')['ts'].diff().dt.total_seconds()
)

Если нужна «секунды до предыдущего события того же типа»

events['seconds_since_prev_same'] = (
    events
    .groupby(['user_id', 'event'])['ts']
    .diff()
    .dt.total_seconds()
)

Время до следующего события

events['seconds_to_next'] = (
    -events.groupby('user_id')['ts'].diff(-1).dt.total_seconds()
)

Расширение: время с последнего покупательского события

def time_since_last_purchase(group):
    last_purchase = group['ts'].where(group['event'] == 'purchase').ffill()
    return (group['ts'] - last_purchase).dt.total_seconds()
 
events['secs_since_purchase'] = (
    events.groupby('user_id', group_keys=False).apply(time_since_last_purchase)
)

where(cond).ffill() — мощный паттерн: «возьми значение, если условие, иначе протяни предыдущее».

Подводные камни

Без sort_values diff посчитает мусор; гарантируйте сортировку по ts внутри user_id.
dt.total_seconds() обязательно — иначе получите Timedelta, а не число.
diff(-1) даёт «текущая − следующая», для «времени до следующего» меняйте знак.
where(cond).ffill() для разреженных событий — но первая часть до первого события того типа будет NaN.
На больших данных groupby.apply медленный — переписать на чистый pandas (where + groupby.ffill).

Эталонный ответ

df.groupby('user_id')['ts'].diff().dt.total_seconds(). Для «с прошлого события типа X» — паттерн ts.where(event==X).ffill().

Сценарий: time-since-last-event для каждой строки лога