长度的数据"/>
python使用pandas分组统计一段时间长度的数据
要实现的效果:对excel表中的数据,如果某个公司三个月内出现的次数超过3次,则将其筛选出来,注意三个月是指任何时间起点的三个月,而不是某月某日到某月某日的三个月。
原始表如下:
经过处理后结果表如下,广东bbbbb有限公司在三个月的时间内没有大于三条数据,所以被筛选掉了。
实现代码如下:
"""
分组统计一个时间段内的数据,如三个月内,但不限于某个时间起止,是任何三个月的长度内
"""import pandas as pd
import openpyxl
import datetime
import numpy as npdf = pd.DataFrame(pd.read_excel('疑点数据.xlsx',sheet_name = 'Sheet1'))
#将str类型转为时间类型
df['录入日期'] = pd.to_datetime(df['录入日期'])djxh = set()
#通过groupby进行分组
for groupName, groupDf in df.groupby('登记序号'):#遍历分组里的行for index,row in groupDf.iterrows():# + datetime.timedelta(days = 92)表示加上92天(三个月)startDate = pd.to_datetime(row['录入日期'])if groupDf[(startDate < groupDf['录入日期']) & (groupDf['录入日期'] <startDate + datetime.timedelta(days = 92))].count()['登记序号'] > 3:#符合条件的添加到集合当中djxh.add(groupName) #这里只要符合条件的就退出循环,根据实际情况设置break#筛选符合条件的数据,astype(str)转为str类型,空值将变为'nan',如果不转为str类型,int类型保存到excel时会丢失数据,最后几位变为0
df2 = df[df['登记序号'].isin(djxh)].astype(str)
#将'nan'值替换为空,这样在excel中空值不保存为nan
df2 = df2.replace('nan', np.nan)
#保存到excel
df2.to_excel('结果.xlsx',index = False)
更多推荐
python使用pandas分组统计一段时间长度的数据
发布评论