熊猫集团日期范围

Question

我期待分两列：user_id和日期;但是，如果日期足够接近，我希望能够相应地考虑同一组和组中的两个条目。日期是m-d-y

user_id  date  val 
1   1-1-17  1 
2   1-1-17  1 
3   1-1-17  1 
1   1-1-17  1 
1   1-2-17  1 
2   1-2-17  1 
2   1-10-17 1 
3   2-1-17  1 

该分组将按user_id进行分组，并且相互之间的日期为+/- 3天。所以通过总结val的组会看起来像：

user_id  date  sum(val) 
1   1-2-17  3 
2   1-2-17  2 
2   1-10-17 1 
3   1-1-17  1 
3   2-1-17  1 

任何人都可以想到，这可以做（有点）容易吗？我知道这有一些有问题的方面。例如，如果日期在相隔三天的时间内连续不断地连在一起，该怎么办。但确切的数据即时使用只有2个值每人..

谢谢！

Answer 1

我会将此转换为datetime列，然后使用pd.TimeGrouper：

dates = pd.to_datetime(df.date, format='%m-%d-%y') 
print(dates) 
0 2017-01-01 
1 2017-01-01 
2 2017-01-01 
3 2017-01-01 
4 2017-01-02 
5 2017-01-02 
6 2017-01-10 
7 2017-02-01 
Name: date, dtype: datetime64[ns] 

df = df.assign(date=dates).set_index('date')\ 
      .groupby(['user_id', pd.TimeGrouper('3D')]).sum().reset_index()  
print(df) 
    user_id  date val 
0  1 2017-01-01 3 
1  2 2017-01-01 2 
2  2 2017-01-10 1 
3  3 2017-01-01 1 
4  3 2017-01-31 1 

---

使用 pd.Grouper

类似的解决方案：

df = df.assign(date=dates).groupby(['user_id', 
     pd.Grouper(key='date', freq='3D')]).sum().reset_index() 
print(df) 
    user_id  date val 
0  1 2017-01-01 3 
1  2 2017-01-01 2 
2  2 2017-01-10 1 
3  3 2017-01-01 1 
4  3 2017-01-31 1 

更新：TimeGrouper将在未来的版本中被弃用大熊猫，所以Grouper在这种情况下是首选（感谢Vaishali！）。

Answer 2

我带着一个很丑陋的解决方案，但仍然工作...

df=df.sort_values(['user_id','date']) 
df['Key']=df.sort_values(['user_id','date']).groupby('user_id')['date'].diff().dt.days.lt(3).ne(True).cumsum() 
df.groupby(['user_id','Key'],as_index=False).agg({'val':'sum','date':'first'}) 

Out[586]: 
    user_id Key val  date 
0  1 1 3 2017-01-01 
1  2 2 2 2017-01-01 
2  2 3 1 2017-01-10 
3  3 4 1 2017-01-01 
4  3 5 1 2017-02-01