pandas - 如果日期是连续的，则删除其中一个重复项答案

【问题标题】：pandas - removing one of the duplicates if the date is consecutivepandas - 如果日期是连续的，则删除其中一个重复项
【发布时间】：2021-04-26 18:23:59
【问题描述】：

假设以下数据框：

date | id
2020-12-11 | A
2020-12-15 | A
2020-04-09 | B
2020-04-09 | C
2020-04-08 | C
2021-03-11 | D
2021-03-12 | D
2021-01-24 | E
2021-01-19 | E

期望的输出：

date | id
2020-12-11 | A
2020-04-09 | B
2020-04-09 | C
2020-04-08 | C
2021-03-11 | D
2021-03-12 | D
2021-01-19 | E

基本上，如果 id 重复，我们要检查日期是否连续。如果连续，则保留两者，否则仅保留较小的日期。目前这就是我所拥有的，但我觉得必须有一种更有效的方法来做到这一点。

df['date'] = df['date'].apply(pd.to_datetime)
for i in range(1, len(df)):
    if date['id'].iloc[i-1] == date['id'].iloc[i]:
        if (abs(df['date'].iloc[i-1] - df['date'].iloc[i])) > datetime.timedelta(days=1): ## check if days are more than 1 day from each other
            print (max(df['date'].iloc[i], df['date'].iloc[i-1])) ## drop this entry, keep the other

【问题讨论】：

标签： python pandas date datetime

【解决方案1】：

让我们试试groupby：

# to_datetime accepts list-like, no need to apply
df['date'] = pd.to_datetime(df['date'])

s = df.groupby('id')['date']
mins, maxs = s.transform('min'), s.transform('max')

df[maxs.sub(mins).le(pd.to_timedelta('1D'))  # ID duplicates and consecutive
   | df['date'].eq(mins)                     # always keep the mins
  ]

输出：

        date id
0 2020-12-11  A
2 2020-04-09  B
3 2020-04-09  C
4 2020-04-08  C
5 2021-03-11  D
6 2021-03-12  D
8 2021-01-19  E

【讨论】：

谢谢！我有一个后续问题...... pd.to_timedelta 有没有办法在这里检查工作日？因此，不要使用 pd.to_timedelta('1D')，而是检查 pd.to_timedelta(one business day)
你能看看Business Day offset。