Python - 识别数据并将数据组合到每个 ID 的一个期间（使用开始日期和结束日期），其中一个期间已被拆分为多行答案

【问题标题】：Python - Identify and combine data into one period per ID (using start and end date) where one period has been split across multiple rowsPython - 识别数据并将数据组合到每个 ID 的一个期间（使用开始日期和结束日期），其中一个期间已被拆分为多行
【发布时间】：2020-10-07 12:11:10
【问题描述】：

我有一个如下的数据框：

ID   Start Date  End Date   
200  01/01/2020  03/01/2020 
200  04/01/2020  06/01/2020 
200  07/01/2020  09/01/2020 
200  18/05/2020  20/05/2020 
350  24/05/2020  27/05/2020 
350  01/06/2020  02/06/2020
372  04/06/2020  07/06/2020 
372  08/06/2020  10/06/2020

对于 ID 200 和 ID 372 的前三个记录，我想将这些日期合并为一行。这就是 ID 匹配的地方，并且结束日期比具有相同 ID 的记录的开始日期早一天。

我想要这个：

ID  Start Date  End Date
200 01/01/2020  09/01/2020
200 18/05/2020  20/05/2020
350 24/05/2020  27/05/2020
350 01/06/2020  02/06/2020
372 04/06/2020  10/06/2020

我更像是一个分析机构而不是数据管理员，因此我们将不胜感激。

【问题讨论】：

标签： python dataframe datetime

【解决方案1】：

Pandas 可以愉快地处理日期，但您应该将它们转换为 pd.Timestamp 格式。然后 groupby 和 agg 应该会给出预期的结果。可能的代码：

# First transform the date columns in datetime format
df[['SD', 'ED']] = df[['Start Date', 'End Date']].transform(
    pd.to_datetime, dayfirst=True)

# then shift the start date by one to detect contiguous rows
df[['ID1', 'SD1']] = df[['ID', 'ED']].shift()

# identify groups of rows to aggregate (same id and contiguous dates)
df['row_id'] = ((df['ID']!=df['ID1'])
                |(df['SD']!=df['SD1']+pd.offsets.Day(1))).cumsum()

# groupby agg is now enough...
result = df.groupby('row_id').agg(**{'ID': ('ID', min),
                'Start Date': ('Start Date', min),
                'End Date': ('End Date', max)}
                                  ).reset_index(drop=True)

它按预期给出：

    ID  Start Date    End Date
0  200  01/01/2020  09/01/2020
1  200  18/05/2020  20/05/2020
2  350  24/05/2020  27/05/2020
3  350  01/06/2020  02/06/2020
4  372  04/06/2020  10/06/2020

这听起来像是黑魔法，在每一步之后打印数据帧，看看会发生什么......

【讨论】：

谢谢！似乎可行，我只需要按 ID 对原始数据进行排序，然后按开始日期。