合并组内一个接一个的记录答案

【问题标题】：Merge records that follow one another within group合并组内一个接一个的记录
【发布时间】：2022-11-15 16:28:57
【问题描述】：

我有以下数据框：

   A  B start_date   end_date  id
0  1  2 2022-01-01 2022-01-10   1
1  2  2 2022-02-02 2022-02-05   2
2  1  2 2022-01-11 2022-01-15   3
3  2  2 2022-02-06 2022-02-10   4
4  2  2 2022-02-11 2022-02-15   5
5  2  3 2022-01-14 2022-01-17   6
6  2  3 2022-01-19 2022-01-22   7

有几个记录一个接一个。例如，第 1 行和第 3 行。第 3 行具有相同的值 A 和 B，并在第 1 行结束时从第二天开始。我想将此数据帧压缩为以下形式：

   A  B start_date   end_date  id
0  1  2 2022-01-01 2022-01-15   1
1  2  2 2022-02-02 2022-02-15   2
2  2  3 2022-01-14 2022-01-17   3
3  2  3 2022-01-19 2022-01-22   4

也就是说，我保存一条记录，其中下一条记录的 start_date 与前一条记录的 end_date 之间的差异为 1 天。在这种情况下，对于此类序列中的最后一条记录，end_date 更改为 end_date。

【问题讨论】：

标签： python pandas

【解决方案1】：

您可以使用自定义石斑鱼来加入每个组的连续日期：

df[['start_date', 'end_date']] = df[['start_date', 'end_date']].apply(pd.to_datetime)

m = (df['end_date'].sub(df.groupby(['A', 'B'])
                        ['start_date'].shift(-1)
                          .sub(pd.Timedelta('1d'))
                        ).eq('0')
      .groupby([df['A'], df['B']]).cumsum()
    )

out = (df
 .groupby(['A', 'B', m], as_index=False)
 .agg({'start_date': 'first', 'end_date': 'last'})
 .assign(id=lambda d: range(1, len(d)+1))
)

输出：

   A  B start_date   end_date  id
0  1  2 2022-01-01 2022-01-15   1
1  2  2 2022-02-02 2022-02-05   2
2  2  2 2022-02-06 2022-02-15   3
3  2  3 2022-01-14 2022-01-22   4

【讨论】：