Python 计算一个ID在随后180天内出现的次数

我有一个包含以下列的数据框：

REF_ID       REPORT_DATE_RAW
12345      2019-02-21 20:53:00  

我想查看每个特定的

REF\u ID

，以及它是否在

REPORT\u DATE\u RAW

之后的180天内被多次报告如果在随后的180天内没有出现，则视为假阳性。如果是，我想返回1，如果否，则返回0

我将需要对每个参考ID执行此操作。我尝试使用groupby和滚动求和来执行此操作，并参考了此处的另一个类似问题。以下是我目前的情况：

df['REPORT_DATE_RAW'] = pd.to_datetime(df['REPORT_DATE_RAW'])

delta=180
df = df.set_index('REPORT_DATE_RAW').assign(count=1).groupby('REF_ID').rolling(f'{delta}D').sum() - 1

这将返回：

REF_ID   REPORT_DATE_RAW      count
8637    2019-10-25 16:39:00    0.0
8637    2019-10-31 10:38:00    1.0

我不确定我能不能用这些结果做一个分析。。。。我不知道为什么第一个事件的计数为0，而另一个事件的计数为1。这两个REF_ID在180天内，所以我只想将这个REF_ID计算为1，这样我就可以计算出有多少REF_ID被认为是误报的

提前谢谢。此项目对时间非常敏感，因此我感谢您的帮助

使用：

（df.set\u index（'REPORT\u DATE\u RAW'）。groupby（'REF\u ID'））
.apply（lambda x:（x[：：-1]。滚动（'180d'）。计数（）>1）[：：-1]。astype（int））
)

其中

[：：-1]

表示法采用向前

滚动的方法


注意：Pandas作为转发函数的一种，但它似乎不适用于datetime窗口。
谢谢。这会将每个列的值更改为0或1，但我可以解决这个问题。。。只是出于好奇，你知道一种更快的方法吗？我的数据集有超过40万行，因此.apply（）需要很长时间。这只是一个粗略的想法，不需要全部编码如果数据集中有其他列，并且要避免它们成为
count
方法的输出，只需在
groupby
之后指定一列即可。这应该可以解决你的问题。不过，关于你的第二个问题，我不知道如何绕过
应用
，因为你想要向前计数，不是吗？只有当你知道你所有的日子都是连续的（也就是说，没有间隔），我才能在工作中思考（在这种情况下，我们可以安全地使用
shift
）。但无论如何，请注意，
apply
这里是对每个唯一的REF\u ID应用滚动方法，而不是对每行应用滚动方法！