Pandas：将具有相同 ID 的组中具有连续日期的行（使用 NaT）合并在一起

小能豆

Pandas：将具有相同 ID 的组中具有连续日期的行（使用 NaT）合并在一起

我想将具有相同 ID、连续日期和相同特征值的行合并起来。

我有以下数据框：

    Id      Start       End         Feature1  Feature2
0   A       2020-01-01  2020-01-15  1         1
1   A       2020-01-16  2020-01-30  1         1
2   A       2020-01-31  2020-02-15  0         1
3   A       2020-07-01  2020-07-15  0         1
4   B       2020-01-31  2020-02-15  0         0
5   B       2020-02-16  NaT         0         0

预期结果是：

    Id      Start       End         Feature1  Feature2
0   A       2020-01-01  2020-01-30  1         1
1   A       2020-01-31  2020-02-15  0         1
2   A       2020-07-01  2020-07-15  0         1
3   B       2020-01-31  NaT         0         0

我一直在尝试其他帖子的答案，但它们并不符合我的用例。

阅读 18

2024-12-30

共1个答案

小能豆

您可以通过以下方式联系：

通过使用用当前值减去组中Start最后一个值来获取同一组内每个连续条目的日期差异。EndGroupBy.shift()
设置组号，group_no当组内与前一个条目的天数差大于 1 时，就会发出新的组号。
然后，按Id和分组并使用和group_no对每组Start和End日期进行聚合.gropuby().agg()

NaT`由于分组内有数据，我们需要在分组时指定。此外，为了获取组内`dropna=False`的最后一项，我们使用而不是。`End``x.iloc[-1]``last
# convert to datetime format if not already in datetime
df['Start'] = pd.to_datetime(df['Start'])
df['End'] = pd.to_datetime(df['End'])

# sort by columns `Id` and `Start` if not already in this sequence 
df = df.sort_values(['Id', 'Start'])

day_diff = (df['Start'] - df['End'].groupby([df['Id'], df['Feature1'], df['Feature2']]).shift()).dt.days

group_no = (day_diff.isna() | day_diff.gt(1)).cumsum()

df_out = (df.groupby(['Id', group_no], dropna=False, as_index=False)
            .agg({'Id': 'first',
                  'Start': 'first',
                  'End': lambda x: x.iloc[-1],
                  'Feature1': 'first',
                  'Feature2': 'first',
                }))

结果：

print(df_out)

  Id      Start        End  Feature1  Feature2
0  A 2020-01-01 2020-01-30         1         1
1  A 2020-01-31 2020-02-15         0         1
2  A 2020-07-01 2020-07-15         0         1
3  B 2020-01-31        NaT         0         0

2024-12-30