如何使用 Python 检查时间窗口中是否存在某些值答案

【问题标题】：How to check if certain values exist in a time window using Python如何使用 Python 检查时间窗口中是否存在某些值
【发布时间】：2016-05-10 04:48:19
【问题描述】：

我有数据框df。我想查看最近 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，过滤掉旧记录，说如果没有代码B的记录，就保留。但我的代码似乎没有这样做！任何帮助表示赞赏。

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')

【问题讨论】：

标签： python datetime pandas dataframe group-by

【解决方案1】：

IIUC 你需要添加条件(df['code'] != 'B') 和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']

【讨论】：

感谢您的接受。你也可以投票。谢谢。