Pandas 寻找连续销售，但能够容忍连续销售中断

Question

我正在尝试使用 Panda 来过滤 DataFrame，以找到长度不同的连续销售。我希望确定连续销售的时期，但也允许中间有几天没有销售。在下面的 df 中，我希望选择第 12 至 19 行。

data = [['2023-11-16', 1], ['2023-11-17', 0], ['2023-11-20', 1], 
['2023-11-21', 0], ['2023-11-22', 1], ['2023-11-24', 0], 
['2023-11-27', 0], ['2023-11-28', 0], ['2023-11-29', 0], 
['2023-11-30', 0], ['2023-12-01', 0], ['2023-12-04', 0],
['2023-12-05', 1], ['2023-12-06', 1] , ['2023-12-07', 1],
['2023-12-08', 1], ['2023-12-11', 0], ['2023-12-12', 0],
['2023-12-13', 1], ['2023-12-14', 1], ['2023-12-15', 0], 
['2023-12-18', 0],  ['2023-12-19', 0], ['2023-12-20', 0]]
df = pd.DataFrame(data, columns=['date', 'sold'])

Answer 1

这是一个可定制的算法，应该对您的用例有所帮助：

def find_streaks(df: pd.DataFrame, allowed_no_sales = 2, minimum_streak = 4):
    streaks: list[int, int] = []

    start = 0
    end = 0
    current_sales = 0
    current_no_sales = 0
    for current in range(len(df)):
        if df['sold'][current] == 0:
            current_no_sales += 1
            if current_no_sales > allowed_no_sales:
                if current_sales >= minimum_streak:
                    streaks.append([start, end])
                current_sales = 0
                start = -1
        else:
            end = current
            current_no_sales = 0
            current_sales += 1
            if start == -1:
                start = current

    if current_sales >= minimum_streak:
        streaks.append([start, end])

    return streaks

allowed_no_sales

是允许的连续无销售天数（这些无销售天可以按顺序出现多次，例如：1 0 0 0 [1 1 0 0 1 0 0 1 1 1 0 0 1] 0 0 0 1，捕获的序列位于括号之间

allowed_no_sales = 2

。

minimum_streak

是应出现在序列中的最小销售天数。例如，DataFrame 开头的 1 0 1 0 1 不会是

minimum_streak = 4

的条纹。

对于您的数据框：

import pandas as pd

data = [['2023-11-16', 1], ['2023-11-17', 0], ['2023-11-20', 1], 
['2023-11-21', 0], ['2023-11-22', 1], ['2023-11-24', 0], 
['2023-11-27', 0], ['2023-11-28', 0], ['2023-11-29', 0], 
['2023-11-30', 0], ['2023-12-01', 0], ['2023-12-04', 0],
['2023-12-05', 1], ['2023-12-06', 1] , ['2023-12-07', 1],
['2023-12-08', 1], ['2023-12-11', 0], ['2023-12-12', 0],
['2023-12-13', 1], ['2023-12-14', 1], ['2023-12-15', 0], 
['2023-12-18', 0],  ['2023-12-19', 0], ['2023-12-20', 0]]

df = pd.DataFrame(data, columns=['date', 'sold'])

print(find_streaks(df))

返回

[[12, 19]]

，您确定的连胜。

Answer 2

要在 Pandas 中查找可容忍中断的连续情况，您可以使用

.shift()

和

.cumsum()

对连续销售进行分组。首先，确定销售天数的变化。然后，为这些更改创建组。通过允许连续无销售的特定天数来应用容忍级别。对于您的情况，请使用

df['sold'].ne(df['sold'].shift()).cumsum()

创建条纹组，然后根据您的容差标准进行过滤并选择所需的行。请记住，您将根据您的具体需求调整容差级别，这可能涉及对分组数据进行更多操作。