Question

我正在尝试按连续日期对ID进行分组。

ID     Date   
abc    2017-01-07  
abc    2017-01-08  
abc    2017-01-09  
abc    2017-12-09  
xyz    2017-01-05  
xyz    2017-01-06 
xyz    2017-04-15  
xyz    2017-04-16

需要返回：

ID     Count
abc    3
abc    1
xyz    2
xyz    2

我尝试过：

d = {'ID': ['abc', 'abc', 'abc', 'abc', 'xyz', 'xyz', 'xyz', 'xyz'], 'Date': ['2017-01-07','2017-01-08', '2017-01-09', '2017-12-09', '2017-01-05', '2017-01-06', '2017-04-15', '2017-04-16']}
df = pd.DataFrame(data=d)
df['Date'] =  pd.to_datetime(df['Date'])

today = pd.to_datetime('2018-10-23')   
x = df.sort_values('Date', ascending=0)
g = x.groupby(['ID'])
x[(today - x['Date']).dt.days == g.cumcount()].groupby(['ID']).size()

是否有一种简单的方法可以通过ID获得所有日期范围的计数？

Answer 1

创建一个Series来检查每个ID中日期之间的差异。检查那是否不是1天，然后将ID和该系列的累积总和分组。

import pandas as pd

s = df.groupby('ID').Date.diff().dt.days.fillna(1).ne(1).cumsum()
df.groupby(['ID', s]).size().reset_index(level=1, drop=True)

输出：

ID
abc    3
abc    1
xyz    2
xyz    2
dtype: int64

计算连续几天的python数据帧

1 个答案:

输出：