如何在一组事件之间找到时间间隔？
例如，我有流媒体源（kafka），从中我可以得到许多列。这个流被读入spark，经过预处理和清理，只保留这四列：“clienttimestamp”，“sensor\u type”，“activity”，“user\u detail”。
现在，我要计算每个用户的关键活动存在的总时间。

Clientimestamp         Sensor_type     activity         User_detail
4/11/2021 10:00:00      ultrasonic       critical          user_A
4/11/2021 10:00:00      ultrasonic       normal            user_B            
4/11/2021 10:03:00      ultrasonic       normal            user_A
4/11/2021 10:05:00      ultrasonic       critical          user_B
4/11/2021 10:06:00      ultrasonic       critical          user_A
4/11/2021 10:07:00      ultrasonic       critical          user_A
4/11/2021 10:08:00      ultrasonic       critical          user_B
4/11/2021 10:09:00      ultrasonic       critical          user_B

因此，对于用户a，所有关键活动之间的总时间是通过找出两个关键事件之间的差异并将这些差异相加来计算的。

(10:00:00 - 10:06:00)+(10:06:00 - 10:07:00)
 therefore for userA critical activity lasted for total minute of (5+1)= 6 minutes.

同样，对于用户\u b，

(10:05:00 - 10:08:00)+ (10:08:00-10:09:00)
 userB critical activity lasted for total minute of (3+1) = 4 minute

对于每个窗口，我想调用一个自定义函数来计算totaltime。如何在按窗口分组的组上应用函数？

df = df.withWatermark("clientTimestamp", "10 minutes")\
       .groupby(window(df.clientTimestamp, "10 minutes", "10 minutes"), col('User_detail'), col('activity')) 
       .apply(calculate_time)