Python 查找最大连续天数

下面的代码按键对数据帧进行分组

 df = pd.DataFrame(data, columns=['id', 'date', 'cnt'])
 df['date']= pd.to_datetime(df['date']) 
 for c_id, group in df.groupby('id'):
        print(c_id)
        print(group)

这会产生如下结果：

    id       date  cnt
    1 2019-01-02    1
   1 2019-01-03    2
   1 2019-01-04    3
   1 2019-01-05    1
   1 2019-01-06    2
   1 2019-01-07    1

    id       date      cnt
    2 2019-01-01   478964
    2 2019-01-02   749249
   2 2019-01-03  1144842
   2 2019-01-04  1540846
   2 2019-01-05  1444918
   2 2019-01-06  1624770
   2 2019-01-07  2227589

    id       date     cnt
    3 2019-01-01   41776
   3 2019-01-02   82322
   3 2019-01-03   93467
   3 2019-01-04   56674
   3 2019-01-05   47606
   3 2019-01-06   41448
   3 2019-01-07  145827


    id       date     cnt
    4 2019-01-01   41776
   4 2019-01-02   82322
   4 2019-01-06   93467
   4 2019-01-07   56674

从这个结果中，我想找到每个id的最大连续天数。因此，id 1为6，id 2为7，id 3为7，id 4为2。

使用：

m = (df.assign(date=pd.to_datetime(df['date'])) #if necessary convert else drop
       .groupby('id')['date']
       .diff()
       .gt(pd.Timedelta('1D'))
       .cumsum())
df.groupby(['id', m]).size().max(level='id')

输出

id
1    6
2    7
3    7
4    2
dtype: int64

---

要获得结果，请运行：

result = df.groupby('id').apply(lambda grp: grp.groupby(
    (grp.date.shift() + pd.Timedelta(1, 'd') != grp.date).cumsum())
    .id.count().max()) 

详情：

• df.groupby（'id'）

  -一级分组（按id）

• grp.groupby（…）

  -二级分组（按序列） 连续日期的

• grp.date.shift（）

  -上一行的日期

• +pd.Timedelta（1，'d'）

  -移位1天

• ！=grp.date

  -不等于当前日期。结果为 是一个序列，在每个序列的开始处为True 连续日期

• cumsum（）

  -将上述（bool）系列转换为系列 of int-上述序列的连续数，从 从1

• id

  -从每个（第二级）组中获取id列

• count（）

  -计算当前组的大小

• .max（）

  -从二级组的大小中获取最大值 （在当前级别1组内）

---

在第3组和第4组中有一个重复的索引

1

。这是故意的吗？不，这不是故意的。这是从结果集中得出的。它与实际数据无关。@QuangHoang我刚取出来是的。这是第二级分组（按连续日期的顺序）。我认为它可能太慢了