Question

test = pd.DataFrame({'ID':[1,2,3,3,4,4],'ID2':[1,1,1,1,2,1]\
                  ,'dts1':['2016-1-25','2016-1-25','2016-1-25','2016-2-20','2016-1-25','2016-2-20']
                 ,'dts2':['2016-1-27','2016-1-27','2016-1-27','2016-2-24','2016-1-27','2016-2-24']})

我有一个数据框，例如：

        ID  ID2   dts1         dts2
    0   1   1   2016-1-25   2016-1-27
    1   2   1   2016-1-25   2016-1-27
    2   3   1   2016-1-25   2016-1-27
    3   3   1   2016-2-20   2016-2-24
    4   4   2   2016-1-25   2016-1-27
    5   4   1   2016-2-20   2016-2-24

我希望1）具有相同ID的行2）具有不同ID2的行3）在具有相同ID的下一行的下一个dts1的30天内具有dts2 ...

对于此数据框，我需要最后两行（其中ID =下一个ID，ID2！=下一个ID2和dts2 <下一个dts1 + 30天

****编辑***

    ts_df[ts_df.groupby(['ID']).apply(lambda x: ((x['dts1'].shift(-1)-x['dts2']<=pd.Timedelta('30days'))\
                                        &(x['ID2'].shift(-1)!=x['ID2']))|\
                                        ((x['dts1']-x['dts2'].shift(1)<=pd.Timedelta('30days'))\
                                        &(x['ID2']!=x['ID2'].shift(1)))).values]

我发现唯一起作用的是上面的^

它非常慢（在我的数据集上为22分钟），所以任何改进将不胜感激。

Answer 1

df["alike"] = df.apply(
    lambda row: "watermelon" if "watermelon" in row["name"] and "melon" in row["alike"] else row["alike"],
    axis=1
)

我在这里将test['dts1'] = pd.to_datetime(test['dts1']) test['dts2'] = pd.to_datetime(test['dts2']) def get_what_you_need(df): mask1 = df[df.duplicated(subset='ID', keep=False)] mask2 = mask1.drop_duplicates(subset=['ID', 'ID2'], keep=False).reset_index(drop=True) idx = 0 if len(df) >= 2: mask3 = (mask2.loc[idx + 1, 'dts1'] - mask2.loc[idx, 'dts2']) < pd.Timedelta(days = 30) else: return None if mask3: return mask2 else: return None get_what_you_need(test)和idx作为常量。如果需要，可以将days和idx设置为函数的参数。

Python：返回在下一个30天内具有相同ID的行

1 个答案: