Skip to main content
 首页 » 编程设计

python之如何使用 Python 检查时间窗口中是否存在某些值

2025年04月02日14lautakyan007

我有数据框 df。我想查看最近记录中过去 6 天内是否有任何项目没有代码 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] 

这是我的尝试:我创建了一个列来表示检查日期。我groupby item,过滤掉旧的记录,如果没有code B的记录,就说保留。但我的代码似乎没有这样做!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') 

请您参考如下方法:

IIUC 你需要添加条件 (df['code'] != 'B') with and (&) 然后 unique :

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'] 

或者,如果您需要检查 groupby 的所有值是否不是 B,请使用 filter 和 all:

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']