我有一个像这样的pandas数据框:
ID Date Event_Type
1 01/01/2019 A
1 01/01/2019 B
2 02/01/2019 A
3 02/01/2019 A
我想留下:
ID Date
1 01/01/2019
2 02/01/2019
3 02/01/2019
我的条件是:如果ID
是相同的并且dates
在彼此的2天内,则丢弃其中一行。但是,如果日期间隔超过2天,则保留两行。
我该怎么做呢?
我相信您需要首先通过to_datetime
将值转换为日期时间,然后获取diff
并通过isnull()
获取每组的第一个值,并将其与下一个值更高的时间相比,如timedelta阈值:
df['Date'] = pd.to_datetime(df['Date'], format='%d/%m/%Y')
s = df.groupby('ID')['Date'].diff()
df = df[(s.isnull() | (s > pd.Timedelta(2, 'd')))]
print (df)
ID Date Event_Type
0 1 2019-01-01 A
2 2 2019-02-01 A
3 3 2019-02-01 A
使用其他数据检查解决方案
print (df)
ID Date Event_Type
0 1 01/01/2019 A
1 1 04/01/2019 B <-difference 3 days
2 2 02/01/2019 A
3 3 02/01/2019 A
df['Date'] = pd.to_datetime(df['Date'], format='%d/%m/%Y')
s = df.groupby('ID')['Date'].diff()
df = df[(s.isnull() | (s > pd.Timedelta(2, 'd')))]
print (df)
ID Date Event_Type
0 1 2019-01-01 A
1 1 2019-01-04 B
2 2 2019-01-02 A
3 3 2019-01-02 A