Python 在groupby中计算具有连续日期的行

假设我的数据框看起来像这样：

d = {'item_number':['K208UL','AKD098008','DF900A','K208UL','AKD098008']
     'Comp_ID':['998798098','988797387','12398787','998798098','988797387']
     'date':['2016-11-12','2016-11-13','2016-11-17','2016-11-13','2016-11-14']}

df = pd.DataFrame(data=d)

我想计算连续几天观察到相同

项目编号

和

Comp\u ID

的次数

我想这看起来会像是：

g = df.groupby(['Comp_ID','item_number'])
g.apply(lambda x: x.loc[x.iloc[i,'date'].shift(-1) - x.iloc[i,'date'] == 1].count())

然而，在比较之前，我需要从每个日期中提取日期作为int，这也是我遇到的问题

for i in df.index:
    wbc_seven.iloc[i, 'day_column'] = datetime.datetime.strptime(df.iloc[i,'date'],'%Y-%m-%d').day

---

显然，基于位置的索引只允许整数？如何解决此问题？

一种解决方案是使用数据透视表来计算连续几天观察到的

Comp\u ID

和

item\u number

的次数

import pandas as pd

d = {'item_number':['K208UL','AKD098008','DF900A','K208UL','AKD098008'],'Comp_ID':['998798098','988797387','12398787','998798098','988797387'],'date':['2016-11-12','2016-11-13','2016-11-17','2016-11-13','2016-11-14']}

df = pd.DataFrame(data=d).sort_values(['item_number','Comp_ID'])
df['date'] = pd.to_datetime(df['date'])
df['delta'] = (df['date'] - df['date'].shift(1))
df = df[(df['delta']=='1 days 00:00:00.000000000') & (df['Comp_ID'] == df['Comp_ID'].shift(1)) & 
        (df['item_number'] == df['item_number'].shift(1))].pivot_table( index=['item_number','Comp_ID'],
           values=['date'],aggfunc='count').reset_index()
df.rename(columns={'date':'consecutive_days'},inplace =True)

导致

  item_number    Comp_ID  consecutive_days
0   AKD098008  988797387                 1
1      K208UL  998798098                 1 

但是，我需要从每个日期中提取日期作为int 在比较之前，我也有问题

为什么？ 要修复代码，您需要：

consecutive['date'] = pd.to_datetime(consecutive['date'])
g = consecutive.groupby(['Comp_ID','item_number'])
g['date'].apply(lambda x: sum(abs((x.shift(-1) - x)) == pd.to_timedelta(1, unit='D')))

注意以下几点：

上面的代码避免了重复。这是一个基本的编程原则：

它将1转换为

timedelta

，以便进行适当的比较

它需要绝对的差异

---

提示：为您的工作编写顶级函数，而不是

lambda

，因为它符合更好的可读性、简洁性和美观性：

def differencer(grp, day_dif):
    """Counts rows in grp separated by day_dif day(s)"""
    d = abs(grp.shift(-1) - grp)
    return sum(d == pd.to_timedelta(day_dif, unit='D'))
g['date'].apply(differencer, day_dif=1)

---

说明：

---

这很简单。然后减去日期。差异将导致a，它还需要与

timedelta

对象进行比较，因此将1（或

day_dif

）转换为

timedelta

。该转换的结果将是布尔级数。布尔值表示为0表示

False

，1表示

True

。布尔数列之和将返回该数列中

True

值的总数。

我遇到了以下错误：TypeError:-：“str”和“str”的操作数类型不受支持。显然，您需要将“date”列转换为

Timestamp

类型。分组前使用此

连续['date']=pd.to_datetime（连续['date']）

。我也会编辑答案。太棒了！从我的第一轮QA来看，它看起来工作得很好。我并没有想象的那么远。如果您能就代码中发生的事情添加一些解释，我将不胜感激@卡尔蒂基补充了一个解释。另外，稍微简化一下，您不需要使用比较返回的布尔序列再次建立索引。一个简单的

sum

就足够了。你肯定离得不远了，干得好：-）。请接受答案，若你们觉得有用，请投票表决。那些控件在答案的左边。我还没有投票的代表点数，但def正是我想要的！