Python 查找从startdate到enddate之间的日期 < P> >我想将它们分组，即代码< PARISFAN < /COD>， LoSangeSununtEdt/，然后 DpTcTyTyDPTWORD （相同），然后考虑日期（即 DATEAR 和 DateDpt < /代码>）。_Python_Csv_Pandas

Python 查找从startdate到enddate之间的日期 < P> >我想将它们分组，即代码< PARISFAN < /COD>， LoSangeSununtEdt/，然后 DpTcTyTyDPTWORD （相同），然后考虑日期（即 DATEAR 和 DateDpt < /代码>）。

python csv pandas

Python 查找从startdate到enddate之间的日期 < P> >我想将它们分组，即代码< PARISFAN < /COD>， LoSangeSununtEdt/，然后 DpTcTyTyDPTWORD （相同），然后考虑日期（即 DATEAR 和 DateDpt < /代码>）。,python,csv,pandas,Python,Csv,Pandas,比如说 ParisFrance[它应该列出ID，DateDpt，DateAr，列出所有与ParisFrance相关的内容，而不必重复写入ParisFrance，但可以列出与之相关的内容] LosAngelesUnitedState[它应该列出ID，DateDpt，DateAr，用于所有与LosAngelesUnitedState相关的内容，而无需重复写入LosAngelesUnitedState，但可以列出与之相关的内容] ID ArCityArCountry DptCit

比如说

ParisFrance

[它应该列出

ID

，

DateDpt

，

DateAr

，列出所有与

ParisFrance

相关的内容，而无需重复写入

LosAngelesUnitedState

，但可以列出与之相关的内容]

ID    ArCityArCountry         DptCityDptCountry      DateDpt    DateAr
1922  ParisFrance             NewYorkUnitedState     2008-03-10 2001-02-02
1002  LosAngelesUnitedState   California UnitedState 2008-03-10 2008-12-01
1901  ParisFrance             LagosNigeria           2001-03-05 2001-02-02
1922  ParisFrance             NewYorkUnitedState     2011-02-03 2008-12-01
1002  ParisFrance             CaliforniaUnitedState  2003-03-04 2002-03-04
1099  ParisFrance             BeijingChina           2011-02-03 2009-02-04
1901  LosAngelesUnitedState   ParisFrance            2001-03-05 2001-02-02

听起来您正在寻找以下内容：

ParisFrance 
  [1922, NewYorkUnitedState, 2008-03-10, 2001-02-02], [1901,LagosNigeria, 2001-03-05 2001-02-02], [1922,NewYorkUnitedState,2011-02-03, 2008-12-01]

LosAngelesUnitedState
  [1901,ParisFrance,2001-03-05, 2001-02-02]

这使您接近您指定的格式-当然可以进一步调整

print（）

您可以发布一个所需的输出来澄清您的问题吗？我已经输入了所需的输出-fabioThanks，但是日期格式不是相同的numpy.datetime64（'2008-03-09T20:00:00.000000000-0400'），numpy.datetime64（'2001-02-01T19:00:00.000000000-0500'）。这是我想要的格式2001-03-05，2001-02-02

ParisFrance 
  [1922, NewYorkUnitedState, 2008-03-10, 2001-02-02], [1901,LagosNigeria, 2001-03-05 2001-02-02], [1922,NewYorkUnitedState,2011-02-03, 2008-12-01]

LosAngelesUnitedState
  [1901,ParisFrance,2001-03-05, 2001-02-02]

df['DateAr'] = pd.to_datetime(df['DateAr'])
df['DateDpt'] = pd.to_datetime(df['DateDpt'])

dept_cities = df.groupby('ArCityArCountry')

for city, departures in dept_cities:
    print(city)
    print([list(r) for r in departures.loc[:, ['ID', 'DptCityDptCountry', 'DateDpt', 'DateAr']].to_records()])

LosAngelesUnitedState
[[1, 1002, 'California UnitedState', numpy.datetime64('2008-03-09T18:00:00.000000000-0600'), numpy.datetime64('2008-11-30T18:00:00.000000000-0600')], [6, 1901, 'ParisFrance', numpy.datetime64('2001-03-04T18:00:00.000000000-0600'), numpy.datetime64('2001-02-01T18:00:00.000000000-0600')]]
ParisFrance
[[0, 1922, 'NewYorkUnitedState', numpy.datetime64('2008-03-09T18:00:00.000000000-0600'), numpy.datetime64('2001-02-01T18:00:00.000000000-0600')], [2, 1901, 'LagosNigeria', numpy.datetime64('2001-03-04T18:00:00.000000000-0600'), numpy.datetime64('2001-02-01T18:00:00.000000000-0600')], [3, 1922, 'NewYorkUnitedState', numpy.datetime64('2011-02-02T18:00:00.000000000-0600'), numpy.datetime64('2008-11-30T18:00:00.000000000-0600')], [4, 1002, 'CaliforniaUnitedState', numpy.datetime64('2003-03-03T18:00:00.000000000-0600'), numpy.datetime64('2002-03-03T18:00:00.000000000-0600')], [5, 1099, 'BeijingChina', numpy.datetime64('2011-02-02T18:00:00.000000000-0600'), numpy.datetime64('2009-02-03T18:00:00.000000000-0600')]]