查找最大连续天数

Question

下面的代码按一个键对数据框进行分组。

 df = pd.DataFrame(data, columns=['id', 'date', 'cnt'])
 df['date']= pd.to_datetime(df['date']) 
 for c_id, group in df.groupby('id'):
        print(c_id)
        print(group)

这会产生如下结果：

    id       date  cnt
    1 2019-01-02    1
   1 2019-01-03    2
   1 2019-01-04    3
   1 2019-01-05    1
   1 2019-01-06    2
   1 2019-01-07    1

    id       date      cnt
    2 2019-01-01   478964
    2 2019-01-02   749249
   2 2019-01-03  1144842
   2 2019-01-04  1540846
   2 2019-01-05  1444918
   2 2019-01-06  1624770
   2 2019-01-07  2227589

    id       date     cnt
    3 2019-01-01   41776
   3 2019-01-02   82322
   3 2019-01-03   93467
   3 2019-01-04   56674
   3 2019-01-05   47606
   3 2019-01-06   41448
   3 2019-01-07  145827


    id       date     cnt
    4 2019-01-01   41776
   4 2019-01-02   82322
   4 2019-01-06   93467
   4 2019-01-07   56674

从这个结果中，我想找到每个 id 的最大连续天数。所以 id 1 是 6，id 2 是 7，id 3 是 7，id 4 是 2。

Answer 1

用途：

m = (df.assign(date=pd.to_datetime(df['date'])) #if necessary convert else drop
       .groupby('id')['date']
       .diff()
       .gt(pd.Timedelta('1D'))
       .cumsum())
df.groupby(['id', m]).size().max(level='id')

输出

id
1    6
2    7
3    7
4    2
dtype: int64

Answer 2

要获得结果，请运行：

result = df.groupby('id').apply(lambda grp: grp.groupby(
    (grp.date.shift() + pd.Timedelta(1, 'd') != grp.date).cumsum())
    .id.count().max()) 

详情：

• df.groupby('id') - 第一级分组（按id）。
• grp.groupby(...) - 二级分组（按序列 连续日期。
• grp.date.shift() - 上一行的日期。
• + pd.Timedelta(1, 'd') - 推迟了 1 天。
• != grp.date - 不等于当前日期。结果 是一个 Series，每个序列的开头都有 True 连续日期。
• cumsum() - 将上述 (bool) Series 转换为 Series of int - 上述序列的连续数，开始 从 1 开始。
• id - 从每个（第二级）组中获取 id 列。
• count() - 计算当前组的大小。
• .max() - 从二级组的大小中获取 max （在当前的 1 级组内）。