Python 在包含日期列的列中查找更改

我有一个熊猫数据框，我在基于一些标准的融合和过滤后得到的，它看起来像这样

 P       D
 A   2018-01-01
 A   2018-01-02
 A   2018-01-03
 B   2018-01-03
 A   2018-01-04
 B   2018-01-04
 A   2018-01-05
 A   2018-01-06
 A   2018-01-07
 B   2018-01-07

从这个数据帧，我想制作一些像这样的数据帧

P        D1          D2
A     2018-01-01  2018-01-02
A, B  2018-01-03  2018-01-04
A     2018-01-05  2018-01-06
A, B  2018-01-07      -

从数据中的

p

列中，我们可以看到从

2018-01-01

到

2018-01-02

只有一个值

a

，因此我们将在结果数据框中的第一行显示为

a，2018-01-01，2018-01-02

同样，从

2018-01-03

到

2018-01-04

之间有A和B，因此在数据框中有第二行

---

如何在熊猫中高效地执行此操作？

您可以尝试以下操作：

import pandas as pd
import datetime as dt

#generate dataframe
letters = ['A', 'A', 'A', 'B', 'A', 'B', 'A', 'A', 'A', 'B']
dates = [dt.date(2018,1,1), dt.date(2018,1,2), dt.date(2018,1,3), dt.date(2018,1,3), dt.date(2018,1,4), dt.date(2018,1,4), dt.date(2018,1,5), dt.date(2018,1,6), dt.date(2018,1,7), dt.date(2018,1,7)]
df = pd.DataFrame(zip(letters, dates), columns = ['P','D'])

#生成日期对
开始日期=df.iloc[0]['D']
结束日期=df.iloc[-1]['D']
日期=[范围（0，（结束日期-开始日期）。天，2）内x的开始日期+dt.timedelta（天=x）]
date\u pairs=zip（日期，[date+dt.timedelta（days=1）表示日期中的日期]）
#生成输出数据帧
l=[]
对于date1，date2（日期对）：
p=df[（df['D']>=date1）和（df['D']我已经制定了一个特别的解决方案，我知道它根本不是最优的。希望有人能提出一些改进和增强建议

a_df = pd.read_clipboard()
s = a_df.groupby(by=['D'])['P'].unique().apply('+'.join).reset_index()

s['s_1'] = s.P.eq(s.P.shift(-1))
s['s_2'] = s.P.eq(s.P.shift(1))

a1 = s.loc[(s['s_1'] == True) & (s['s_2'] == False)].index.values
a2 = s.loc[(s['s_1'] == False) & (s['s_2'] == True)].index.values

count = 1
s['Flag'] = 0
for x,y in zip(a1, a2):
    s.loc[x:y, 'Flag'] = count
    count += 1

s.groupby(['Flag'], as_index=False).agg({'P' : 'first', 'D' : ['min', 'max']}).sort_values([('D', 'min')])

    Flag    P   D
        first   min     max
1   1   A   2018-01-01  2018-01-02
2   2   A+B     2018-01-03  2018-01-04
3   3   A   2018-01-05  2018-01-06
0   0   A+B     2018-01-07  2018-01-07

a_df = pd.read_clipboard()
s = a_df.groupby(by=['D'])['P'].unique().apply('+'.join).reset_index()

s['s_1'] = s.P.eq(s.P.shift(-1))
s['s_2'] = s.P.eq(s.P.shift(1))

a1 = s.loc[(s['s_1'] == True) & (s['s_2'] == False)].index.values
a2 = s.loc[(s['s_1'] == False) & (s['s_2'] == True)].index.values

count = 1
s['Flag'] = 0
for x,y in zip(a1, a2):
    s.loc[x:y, 'Flag'] = count
    count += 1

s.groupby(['Flag'], as_index=False).agg({'P' : 'first', 'D' : ['min', 'max']}).sort_values([('D', 'min')])

    Flag    P   D
        first   min     max
1   1   A   2018-01-01  2018-01-02
2   2   A+B     2018-01-03  2018-01-04
3   3   A   2018-01-05  2018-01-06
0   0   A+B     2018-01-07  2018-01-07