我試圖選擇我正在使用的資料型別的示例切片：
df = pd.DataFrame({'date' : pd.to_datetime(['2014-10-02', '2014-10-02', '2014-10-02', '2014-10-02', '2014-11-30', '2014-11-30', '2015-04-02', '2015-04-02', '2015-04-03', '2015-04-03', '2015-04-20', '2015-04-20', '2015-07-05', '2015-07-05', '2021-06-12', '2021-06-14', '2021-06-15', '2021-06-18', '2021-07-06', '2021-07-06', '2021-07-20', '2021-07-20', '2021-07-26', '2021-08-19', '2021-08-20', '2021-12-14', '2021-12-15']),
'amount' : [-1111.11, -1000.0, 1111.11, 1000.0, -1000.0, 1000.0, -193.36, 193.36, -813.02, 813.02, -250.0, 250.0, -100.0, 100.0, 20.0, -4643.53, 4643.53, 20.0, -4762.65, 4762.65, -3729.61, 3729.61, 32.0, -1075.99, 1075.99, -1033.94, 1033.94]})
date amount
2014-10-02 -1111.11
2014-10-02 -1000.00
2014-10-02 1111.11
2014-10-02 1000.00
2014-11-30 -1000.00
2014-11-30 1000.00
2015-04-02 -193.36
2015-04-02 193.36
2015-04-03 -813.02
2015-04-03 813.02
2015-04-20 -250.00
2015-04-20 250.00
2015-07-05 -100.00
2015-07-05 100.00
2021-06-12 20.00
2021-06-14 -4643.53
2021-06-15 4643.53
2021-06-18 20.00
2021-07-06 -4762.65
2021-07-06 4762.65
2021-07-20 -3729.61
2021-07-20 3729.61
2021-07-26 32.00
2021-08-19 -1075.99
2021-08-20 1075.99
2021-12-14 -1033.94
2021-12-15 1033.94
上述資料框中有許多正負值對，它們之間的間隔在 1-2 天內。我想忽略彼此相隔 1-2 天內的任何配對，并隔離非配對日期金額。
我已經做了一些嘗試，但我似乎無法弄清楚如何最好地定義一個 1-2 天的范圍來對日期進行分組，但在以下方面取得了一些成功：
g = df.groupby([pd.Grouper(key='date', freq='5D'), df.amount.abs()])
g.size()
date amount
2014-10-02 1000.00 2
1111.11 2
2014-11-26 1000.00 2
2015-03-31 193.36 2
813.02 2
2015-04-20 250.00 2
2015-07-04 100.00 2
2021-06-12 20.00 1
4643.53 2
2021-06-17 20.00 1
2021-07-02 4762.65 2
2021-07-17 3729.61 2
2021-07-22 32.00 1
2021-08-16 1075.99 2
2021-12-14 1033.94 2
雖然我不清楚為什么需要這么多天，但似乎沒有特定的偏移量，它從第一個日期開始就將它們組合在一起。
到目前為止，我最好的解決方案是：
g = df.groupby([df.date.dt.floor('3D'), df.amount.abs()])
g.size()
date amount
2014-10-01 1000.00 2
1111.11 2
2014-11-30 1000.00 2
2015-04-02 193.36 2
813.02 2
2015-04-20 250.00 2
2015-07-04 100.00 2
2021-06-11 20.00 1
2021-06-14 4643.53 2
2021-06-17 20.00 1
2021-07-05 4762.65 2
2021-07-20 3729.61 2
2021-07-26 32.00 1
2021-08-19 1075.99 2
2021-12-14 1033.94 2
但我不確定它是否是一個足夠強大的解決方案，如果有意義的話，我想更好地了解如何控制范圍的寬度。據我所知，這些解決方案可能是適用于我當前切片的糟糕技巧。
謝謝你的時間。
uj5u.com熱心網友回復：
我希望我正確理解了你的問題。
您按絕對值和變換中的 diff() 分組。diff() 是當前和上一個之間的差異：
df["time_diff"] = df.groupby([df.amount.abs()])["date"].transform(lambda x: x.diff())
這假設行按日期排序，它們看起來是這樣。
df["time_diff"] = df["time_diff"].dt.days
df["abs_amount"] = df["amount"].abs()
df = df.sort_values(by= ["abs_amount", "date"])
df["drop"] = df["time_diff"].lt(3) | df["time_diff"].shift(-1).lt(3)
對于與具有相同值的條目相差不到 3 天的所有條目，drop 列現在設定為 True。
我們需要先按 abs_value 排序，這樣就不會造成混淆。我們使用 shift(-1) 因為 diff() 沒有配對差異。
轉載請註明出處，本文鏈接：https://www.uj5u.com/shujuku/410991.html
標籤：
上一篇：PowerBI-日期格式