如何使用Python检查时间窗口中是否存在某些值

我有数据帧

df

。我想检查一下，在最近的记录中，是否有任何项目在过去6天内没有代码B

df=
item   Date    code
X   3/5/2016    A
X   3/6/2016    B
X   3/10/2016   A
X   3/12/2016   B
Y   3/5/2016    B
Y   3/7/2016    A
Y   3/9/2016    A
Y   3/10/2016   A
Z   3/4/2016    B
Z   3/9/2016    A
Z   3/10/2016   A
Z   3/13/2016   A

result = [Y,Z]

以下是我的尝试：我创建了一个列来表示检查日期。我按项目分组，过滤掉旧记录，并说如果没有代码为B的记录，请保留它。但我的代码似乎没有这么做！感谢您的帮助

df['Date2'] = pd.to_datetime(df['Date'])
grouped = df.groupby('item')
df['check date'] = (grouped['Date2'].transform(lambda grp: grp.max()-pd.Timedelta(days=6)))
df2 = df.loc[(df['date2'] > df['check date'])]
result=pd.Series(df2['code']<>'B')

df['Date2']=pd.to_datetime（df['Date']）
分组=df.groupby（'项目'）
df['check date']=（分组为['Date2'].transform（lambda grp:grp.max（）-pd.Timedelta（days=6）））
df2=df.loc[（df['date2']>df['check date']）]
结果=pd.系列（df2['code']'B'）

IIUC您需要使用

和
（
&
）添加条件
（df['code']！='B'）
，然后：

或者，如果您需要检查groupby的所有值是否不是
B
使用：

谢谢你的接受。你也可以投票。谢谢
df['Date2'] = pd.to_datetime(df['Date'])
grouped = df.groupby('item')
df['check date'] = (grouped['Date2'].transform(lambda grp: grp.max()-pd.Timedelta(days=6)))

df2 = df.loc[(df['Date2'] > df['check date']) & (df['code'] != 'B')]
print df2
   item       Date code      Date2 check date
2     X  3/10/2016    A 2016-03-10 2016-03-06
5     Y   3/7/2016    A 2016-03-07 2016-03-04
6     Y   3/9/2016    A 2016-03-09 2016-03-04
7     Y  3/10/2016    A 2016-03-10 2016-03-04
9     Z   3/9/2016    A 2016-03-09 2016-03-07
10    Z  3/10/2016    A 2016-03-10 2016-03-07
11    Z  3/13/2016    A 2016-03-13 2016-03-07

print df2.item.unique()
['X' 'Y' 'Z']

df2 = df.loc[(df['Date2'] > df['check date'])]
print df2
   item       Date code      Date2 check date
2     X  3/10/2016    A 2016-03-10 2016-03-06
3     X  3/12/2016    B 2016-03-12 2016-03-06
4     Y   3/5/2016    B 2016-03-05 2016-03-04
5     Y   3/7/2016    A 2016-03-07 2016-03-04
6     Y   3/9/2016    A 2016-03-09 2016-03-04
7     Y  3/10/2016    A 2016-03-10 2016-03-04
9     Z   3/9/2016    A 2016-03-09 2016-03-07
10    Z  3/10/2016    A 2016-03-10 2016-03-07
11    Z  3/13/2016    A 2016-03-13 2016-03-07

print df2.groupby('item').filter(lambda x: (x.code != 'B').all())
   item       Date code      Date2 check date
9     Z   3/9/2016    A 2016-03-09 2016-03-07
10    Z  3/10/2016    A 2016-03-10 2016-03-07
11    Z  3/13/2016    A 2016-03-13 2016-03-07

print df2.groupby('item').filter(lambda x: (x.code != 'B').all()).item.unique()
['Z']