Pandas 时间序列：每周只保留一个值和 id

Question

问题

我有一个保存时间序列的 mysql 数据库（对于每个客户和客户帐户余额的日期）。每周可能有多个值。可以假定日期列是一个有效且完整的日期时间对象。每个客户和每周可能有多个条目，但我想每周只保留一个值。 我查询数据库并从中构造相应的 pandas 数据框。

约束：

• 大多数情况下，每周的星期二都会有值
• 有时星期二可能没有值，然后取该周的下一个可能值

+-------------+------------+---------+
| customer_id |    date    | balance |
+-------------+------------+---------+
|          01 | 01.01.2020 | 50$     |
|          02 | 01.01.2020 | 40$     |
|          01 | 02.01.2020 | 40$     |
|          01 | 08.01.2020 | 60$     |
+-------------+------------+---------+

解决方案

一个解决方案包含：

• 每周为每位客户提供一个值（同行周/天没有重​​复值）
• 该值是最早的可能值

在示例中，这将是这样的：

+-------------+------------+---------+
| customer_id |    date    | balance |
+-------------+------------+---------+
|          01 | 01.01.2020 | 50$     |  
|          02 | 01.01.2020 | 40$     |
|          01 | 08.01.2020 | 60$     | 
+-------------+------------+---------+

如何解决/问题

我可以迭代数据框，并为每个 id 和周选择一周内的第一个值并将其保存到新的 df / 删除所有其他条目。 这似乎相当低效。是否有更适合熊猫的解决方案，或者我什至可以改进 mysql 查询以根据需要过滤掉数据？

Answer 1

您可以将date 更改为句号和分组：

df.groupby([df.date.dt.to_period('W-TUE'), 
            df['customer_id']]).head(1)

输出：

  customer_id       date  balance
0          01 2020-01-01       50
1          02 2020-01-01       40
3          01 2020-01-08       60