Python：检查前一个时间戳中是否存在唯一id，如果存在，则检查前一个时间戳（依此类推）

我有一个巨大的数据表，看起来像这样

ID    Name   Category   Discovery Date  Timestamp
1     Alpha    Low         3/1/2020      7/1/2020
1     Alpha    Low         4/7/2020      7/1/2020
1     Alpha    Low         5/2/2020      7/1/2020
2     Bravo    Medium      2/17/2020     7/1/2020
2     Bravo    Medium      2/26/2020     7/1/2020
3     Charlie  Low         6/1/2020      7/1/2020
1     Alpha    Low         5/2/2020      7/8/2020
2     Bravo    Medium      2/17/2020     7/8/2020
3     Charlie  Low         7/11/2020     7/15/2020

我试图在发现日期和时间戳之间插入一个名为Target Date的列，如果Category=='Low'，则增加90天，如果Category=='Medium'，则增加30天，并对具有相同ID的所有记录使用给定时间戳内的最早发现日期。但是，需要注意的是，如果一个特定的ID在前一个时间戳（当前时段-1）中，我需要不断检查每个前一个时间戳，直到该ID没有出现在前一个时间戳中，然后可以使用最早的发现日期和类别逻辑来确定目标日期。因此，计算字段应如下所示：

ID    Name   Category   Discovery Date     Target Date       Timestamp
1     Alpha    Low         3/1/2020         5/30/2020        7/1/2020  
1     Alpha    Low         4/7/2020         5/30/2020        7/1/2020  
1     Alpha    Low         5/2/2020         5/30/2020        7/1/2020  
2     Bravo    Medium      2/17/2020        3/18/2020        7/1/2020  
2     Bravo    Medium      2/26/2020        3/18/2020        7/1/2020  
3     Charlie  Low         6/1/2020         8/30/2020        7/1/2020  
1     Alpha    Low         5/2/2020         5/30/2020        7/8/2020   
2     Bravo    Medium      2/17/2020        3/18/2020        7/8/2020  
3     Charlie  Low         7/11/2020        10/9/2020        7/15/2020

---

我相信最晚（在上面的例子中，7/15/2020）需要某种递归函数来启动时间戳，以检查特定的ID是否在前一个时间戳中。如果满足此条件，请检查该ID的上一个时间戳，依此类推。一旦逻辑失败，并且ID不再位于前一个时间戳中，那么您可以使用最早的发现日期和类别逻辑。

您的逻辑并不容易理解，但如果我理解了，我认为您最后一行结果的答案是不正确的，因为ID 3位于两个不同的时间戳中。无论如何，您可以根据需要使用逻辑

每个ID分组只包含一个类别，因此我没有测试两个类别在同一ID中的情况，只测试了显示的内容

这里有一种方法可以尝试，因为它匹配除最后一行之外的所有内容

def add_time(x):
    lowtardate = x['DiscoveryDate'].iat[0] + timedelta(days=90)
    x.loc[x['Category']=='Low', 'TargetDate'] = lowtardate
    medtardate = x['DiscoveryDate'].iat[0] + timedelta(days=30)
    x.loc[x['Category']=='Medium', 'TargetDate'] = medtardate
    return x
df.groupby('ID').apply(add_time)

输出：

   ID     Name Category DiscoveryDate  Timestamp TargetDate
0   1    Alpha      Low    2020-03-01 2020-07-01 2020-05-30
1   1    Alpha      Low    2020-04-07 2020-07-01 2020-05-30
2   1    Alpha      Low    2020-05-02 2020-07-01 2020-05-30
3   2    Bravo   Medium    2020-02-17 2020-07-01 2020-03-18
4   2    Bravo   Medium    2020-02-26 2020-07-01 2020-03-18
5   3  Charlie      Low    2020-06-01 2020-07-01 2020-08-30
6   1    Alpha      Low    2020-05-02 2020-07-08 2020-05-30
7   2    Bravo   Medium    2020-02-17 2020-07-08 2020-03-18
8   3  Charlie      Low    2020-07-11 2020-07-15 2020-08-30

---

这就是你要找的吗？我认为通过注释代码来解释它比写一个冗长的解释更容易。顺便说一句，主要思想是为每个ID识别连续的时间戳，并根据它们计算目标日期

将熊猫作为pd导入
导入日期时间
从functools导入减少，部分
#####创建示例数据帧#####
df=pd.DataFrame(
资料=[
（1、‘阿尔法’、‘低’、‘2020年1月3日’、‘2020年1月7日’，
（1、‘阿尔法’、‘低’、‘2020年7月4日’、‘2020年1月7日’，
（1、‘阿尔法’、‘低’、‘2020年5月2日’、‘2020年7月1日’，
（2、‘好极了’、‘中等’、‘2020年2月17日’、‘2020年7月1日’，
（2、‘好极了’、‘中等’、‘2020年2月26日’、‘2020年7月1日’，
（3、‘查理’、‘低’、‘2020年1月6日’、‘2020年1月7日’，
（1、‘阿尔法’、‘低’、‘2020年5月2日’、‘2020年7月8日’，
（2、‘好极了’、‘中等’、‘2020年2月17日’、‘2020年7月8日’，
（3、‘查理’、‘低’、‘2020年11月7日’、‘2020年15月7日’，
],
列=['ID'、'Name'、'Category'、'Discovery Date'、'Timestamp']
)
df['Discovery Date']=pd.to_datetime（df['Discovery Date']）
df['Timestamp']=pd.to_datetime（df['Timestamp']]
#####创建示例数据帧#####
######支持函数（暂时跳过，稍后返回）###
def get_连续_时段（时段）：
“”“部分元素的列表子列表，其差值小于2。”。
因此，在本例中，在与特定ID相关联的周期中查找连续周期（又称时间戳）。
示例：句点=[1,2,3,5]->[1,2,3]，[5]]
"""
p=已排序（周期）
回报率降低(
λx，y：（x[：-1]+[x[-1]+[y]]）如果（y-x[-1][-1]<2）其他（x+[[y]]），则，
p[1:]，
[[p[0]]]，
)如果len（p）else[]
def get_最早日期（id_期间，df=None）：
“”“获取每个ID和期间的最早日期”“”
返回{
元组（k）：df[（df.ID==ID_periods['ID']）和（df.Period.isin（k））['Discovery Date'].min（）
对于id_期间中的k['所有_期间']
}
######支持功能####
#建议的解决方案基于周期的概念，即与时间戳相关联的唯一id。
#它标识具有相同时间戳的数据批。我们假设周期值按时间排序，这意味着
#要排序的时间戳列（升序）；如果不是，您可以轻松地按时间戳对数据帧进行排序：
#排序索引（by=['Timestamp']，inplace=True）
#计算与每个时间戳关联的周期
df['Period']=df['Timestamp'].diff（）.dt.days.astype（bool.cumsum（））
#现在开始计算每个（ID，Period）对的目标日期。
#将连续周期定义为ID出现的周期的排序序列，每个周期之间的差值小于2。
#例如[3,4,5]；[1,2,5]不是连续的时段
#首先，请注意，连续的周期将具有相同的最早日期，即在
#相应的样品。
# 1. 获取ID出现的所有时段
df_target_date=df.groupby（['ID']）['Period'].unique（）.reset_index（name='all_periods'））
# 2. 计算每个ID的连续周期
df_目标日期['all_periods']=df_目标日期['all_periods'].map（获取连续的_periods）
# 3. 获取每对的最早日期（ID、连续周期）
df_目标日期['all_periods']=df_目标日期。应用（部分（获取最早日期，df=df），轴=1）
# 4. 为每个（ID、句点）对创建具有最早日期的数据帧。
#我们将最早的日期命名为“目标日期”，只是为了简化以下任务
df_目标_日期=pd.DataFrame(
数据=减少(
λx，y:x+reduce(
lambda w，z:w+[（[y.ID]+[l，z[1]]）表示z[0]]中的l，
已排序（y.all_periods.items（）），
[],
),
df_target_date.itertuples（），
[]
),
列=['ID'、'Period'、'Target Date']，
)
# 5. 将最早日期添加到原始数据帧
df=df.merge（df_target_date，how='left'，left_on=['ID'，'Period']，right_on=['ID'，'Period']））
# 6. 下降周期列
drop（列=['Period']，inplace=True）
# 5. 按照基于类别的规则计算目标日期
df.loc[df.Category=='Low'，'Target Date']+=datetime.timedelta（天=90）
df.loc[df.Category=='Medium'，'Target Date']+=datetime.timedelta（天=30）
#重新排列列
df=df[['ID'，'Name'，'Category'，'Discovery Date'，'Target Date'，'Timestamp']]