Python 如何利用熊猫找出日期的差距

我有一个数据集，显示每月一台设备的性能。下面是数据的样子

device, date, performance
   1  , 06/16, 50.4
   1  , 07/16, 54
   1  , 08/16, 6
   1  , 09/17, 67
   1  , 10/17, 56
   2  , 01/12, 34
       ....

设备可能在几个月内无法工作，因此数据中存在一些缺口。例如，设备一在上述数据中存在一些缺口。我想创建一个数据框，显示每个设备工作的时间范围，下面是生成的数据集的外观

device, start, end
 1    ,  06/16, 08/16
 1    ,  09/17, 10/17
     ....

---

如何使用pandas创建该序列？

您可以在连续月份或相同设备上创建具有相同编号的序列。要执行此操作，您可以使用

shift

并添加一个月，以检查以下行是否相隔一个月。使用

cumsum

增加每个新组的值。首先，您需要将“日期”列作为系列中的

datetime

：

ser_date = pd.to_datetime(df['date'],format='%m/%y')
ser_group = ((((ser_date.shift() + pd.DateOffset(months=1)) != ser_date) | #month apart
              (df.device.diff() != 0)) # different device
              .cumsum()) #increment value for each group

现在，您可以在

seru group

上使用

groupby

，

加入每个组的
第一个
和
最后一个
，例如：

g_df = df.groupby(ser_group) #grouped data
df_new = (g_df['device','date'].first() #first of each group
          .join(g_df['date'].last(),rsuffix='_') #joined with last of each group
          .rename(columns={'date':'start','date_':'end'})) #rename column start/end

print (df_new)
   device   start     end
1       1   06/16   08/16
2       1   09/17   10/17
3       2   01/12   01/12

为了更具启发性，我对源数据进行了一些扩展，以便
包含2台设备的全套5个读数。
我还决定将
date
列更改为true dates

该概念基于通过
设备进行分组，然后生成
每个组的开始/结束日期

生成开始/结束时段的脚本可以如下所示：

import pandas as pd

# Source data
df = pd.DataFrame(data={ 'device': [ 1, 1, 1, 1, 1, 2, 2, 2, 2, 2 ],
    'date': [ '06/16', '07/16', '08/16', '09/17', '10/17',
        '03/16', '04/16', '11/16', '12/16', '01/17' ],
    'performance': [ 50.4, 54, 6, 67, 56, 50, 45, 30, 72.3, 42 ] })
# Convert date to true dates
df.date = pd.to_datetime(df.date, format='%m/%y')
grp = df.groupby(by='device')
# Starts of periods
st = grp.apply(lambda x: x.date[x.date - pd.DateOffset(months = 1)
    != x.date.shift()]).reset_index(level=1,drop=True)
# Ends of periods
en = grp.apply(lambda x: x.date[x.date + pd.DateOffset(months = 1)
    != x.date.shift(-1)]).reset_index(level=1,drop=True)
# Result - concat start / end dates
res = pd.concat([st, en], axis=1).reset_index()
# Set column names
res.columns = ['device', 'start', 'end']

结果是：

   device      start        end
0       1 2016-06-01 2016-08-01
1       1 2017-09-01 2017-10-01
2       2 2016-03-01 2016-04-01
3       2 2016-11-01 2017-01-01