Pandas 按日期范围分组，多列

Question

我有一个这样的数据框，

df
col1    col2          col3
 A      2021-02-01     P
 B      2021-02-12     P
 C      2021-02-08     Q
 A      2021-02-04     Q
 B      2021-02-14     Q
 A      2021-02-15     S

col2 是 pandas 日期时间类型。现在我想在 col1 和 col2 上对 col3 值进行分组（日期日期范围为 +- 4 天，例如：2021-02-01 和 2021-02-04 之间的 col3 值应根据 col1 值分组）

所以最终的数据框应该是这样的，

col1    col3
 A      [P,Q]
 B      [P,Q]
 C      [Q]
 A      [S]

这可以使用 for 循环并检查日期时间差异来完成，但执行时间会很长，因此请寻找 pandas 快捷方式来更有效地执行此操作。

Answer 1

如果需要从组使用的第一天开始，每 4 天定义一次组：

首先创建帮助列，用于通过4 的整数除法每组的第一个值减去日期，然后将其用于聚合列表：

df['g'] = df['col2'].sub(df.groupby('col1')['col2'].transform('first')).dt.days // 4

df=df.groupby(['g','col1'])['col3'].agg(list).reset_index(level=0,drop=True).reset_index()
print (df)
  col1    col3
0    A  [P, Q]
1    B  [P, Q]
2    C     [Q]
3    A     [S]