确定GroupBy之后的两种类型是否出现在时间范围内

从粘贴的示例开始:

df = pd.DataFrame(columns=['a','b','date'],
                  data=[['foo','blue','2018-02-17'],['foo','blue','2018-02-22'],['foo','red','2018-04-28'],['foo','blue','2018-04-29'],['foo','blue','2018-05-02'],
                        ['foo','red','2018-08-01'],['bar','yellow','2018-01-25'],['bar','red','2018-04-07'],['bar','yellow','2018-07-11'],
                        ['bar','yellow','2018-07-14'],['baz','red','2018-03-11'],['baz','blue','2018-04-14'],['baz','red','2018-07-05'],['baz','blue','2018-10-01']])

df['date'] = pd.to_datetime(df['date'])
df

    a    b       date
0   foo  blue    2018-02-17
1   foo  blue    2018-02-22
2   foo  red     2018-04-28
3   foo  blue    2018-04-29
4   foo  blue    2018-05-02
5   foo  red     2018-08-01
6   bar  yellow  2018-01-25
7   bar  red     2018-04-07
8   bar  yellow  2018-07-11
9   bar  yellow  2018-07-14
10  baz  red     2018-03-11
11  baz  blue    2018-04-14
12  baz  red     2018-07-05
13  baz  blue    2018-10-01

我确定了在给定时间范围的情况下,df中需要搜索的行的子集。我使用与您的示例相同的60天(+/-30天)时间框架。

win_sz = pd.Timedelta(days=60)
start = df['date'].min() + win_sz/2
end = df['date'].max() - win_sz/2
to_search_over = df[(df['date'] > start) & (df['date'] <= end)]['date']

下一步,

• 对于中的每一行 to_search_over 上面的列表中,我抓取了df的一个子集,其中包含日期在与日期窗口大小(在本例中为60天)相对应的日期范围内的所有行。
• 我用这个窗户 groupby() 和 nunique() 检查列中的给定元素 a 列中有多个值 b 与之相关。
• 最后,我将满足此条件的行的任何索引添加到列表中( res )

res = []

for d in to_search_over:
    mask = (df['date'] > d-(win_sz/2)) & (df['date'] <= d+(win_sz/2))
    window = df.loc[mask]
    a = window.groupby('a')['b'].nunique()
    a = a[a>1].index.values
    if a.any():
        res += list(window[window['a'].isin(a)].index)

我将这个索引列表转换为一个集合,然后再转换回一个列表,以便只保留唯一的行值。然后,我可以对df进行切片,以返回所有符合我们标准的行:

df.iloc[list(set(res))]

    a    b      date
2   foo  red    2018-04-28
3   foo  blue   2018-04-29
4   foo  blue   2018-05-02
10  baz  red    2018-03-11
11  baz  blue   2018-04-14

我很高兴看到是否有人有更优雅的方法来实现这一点(这种方法不需要显式地逐行迭代df的一个子集的行)。我花了一段时间试图找到一种方法 pd.rolling 但无济于事。