Question

我有一个数据框，其中包括日期和ID列。以下是仅出于此问题目的的示例框架。但是实际数据包括更多的行和列。

from datetime import date, timedelta
import pandas as pd

date = datetime.datetime(2020, 1, 1)
delta_1 = 5
delta_2 = 15
delta_3 = 18

data = {
    'A': [date, date - timedelta(delta_1), date - timedelta(delta_2), date, date - timedelta(delta_3)], 
    'B': ['a', 'a', 'a', 'b', 'b']
}
df = pd.DataFrame(data)
print(df)

           A  B
0 2020-01-01  a
1 2019-12-27  a
2 2019-12-17  a
3 2020-01-01  b
4 2019-12-14  b

我想要实现的是，对于每个唯一的ID（示例中的列B），从最新的行开始，然后根据日期条件删除行：如果具有ID的行已存在是从最近的具有该ID的行起10天内插入的，只有最新的行才有效。因此，在此示例中，以10天为限制，我将得到以下结果：

           A  B
0 2020-01-01  a
2 2019-12-17  a
3 2020-01-01  b
4 2019-12-14  b

任何想法将不胜感激！

Answer 1

这是一种方法，将diff与cumsum一起使用，获取日差总和，然后通过//得到除数

s=df.groupby('B').A.apply(lambda x : x.diff().dt.days.cumsum().fillna(0).abs()//10)
df=df.groupby([df.B,s]).head(1)
           A  B
0 2020-01-01  a
2 2019-12-17  a
3 2020-01-01  b
4 2019-12-14  b

使用python根据日期条件删除行

1 个答案: