python - 仅选择序列组依据

Question

我的数据集已根据下面的 pandas 数据框进行排序和过滤；

name id     id2 year    sales   seq
a    00632  00  2006    200.00  0
a    00632  00  2007    380.00  1
a    00632  00  2010    73.00   2
a    00632  00  2011    147.00  3
a    00632  00  2012    80.00   4

b    00003  00  2009    153.00  0
b    00003  00  2010    390.00  1
b    00003  00  2011    730.00  2
b    00003  00  2012    312.00  3
b    00003  00  2013    179.00  4

我在弄清楚如何分隔非连续年份时遇到了麻烦。我只有一个要返回的数据集；

a    00632  00  2010    73.00   2
a    00632  00  2011    147.00  3
a    00632  00  2012    80.00   4

b    00003  00  2009    153.00  0
b    00003  00  2010    390.00  1
b    00003  00  2011    730.00  2
b    00003  00  2012    312.00  3
b    00003  00  2013    179.00  4

逻辑基本上是按名称删除记录，其中年的顺序少于 3 年。

所以像下面这样的记录将被删除，因为它们只连续 2 年。

name id     id2 year    sales   seq
a    00632  00  2006    200.00  0
a    00632  00  2007    380.00  1 

我希望它是有道理的，因为我在尝试找出这种逻辑的算法时遇到了麻烦。

Answer 1

分两步的方法。

我假设 df 按 'id','year' 排序。

首先，为每个 'id' 找到第 + 2 行中出现 year + 2 的行:

In [15]: firstyears=(df.groupby('id')['year'].shift(-2)-df['year'])==2
# [ False False  True False False | True  True  True False False ]

然后使用逻辑或 (|) 运算符选择好的行。 firstyears.shift(1) 将选择接下来的年份，firstyears.shift(2) next next。

In [16]: df.loc[ firstyears | firstyears.shift(1) | firstyears.shift(2) ]
Out[16]: 
  name   id  id2  year  sales  seq
2    a  632    0  2010     73    2
3    a  632    0  2011    147    3
4    a  632    0  2012     80    4
5    b    3    0  2009    153    0
6    b    3    0  2010    390    1
7    b    3    0  2011    730    2
8    b    3    0  2012    312    3
9    b    3    0  2013    179    4