python - 在 pandas 数据框中查找具有相同值的行之前的行

Question

我有一个像这样的数据框:

  peak-date  
0    17 Jan  
1    17 Jan  
2    31 Mar  
3    30 Apr  
4    31 May  
5    26 Jun  
6    26 Jun  

我想在峰值日期值变得相同时找到该行之前的行。在本例中，这将是 peak-date 为 31 May 的行。我可以使用 df['peak-date'].diff() 对数值执行此操作，但我该如何在此处执行此操作？

Answer 1

一种可能的方法如下:首先，您可以在数据框中使用 to_datetime 读取日期格式的字符串，并使用 diff 函数查找每行之间的差异。另外，我们还可以求出以秒为单位的差值，这样就有了 float 。然后，将差异行向上移动 2，并搜索第一次出现 0 差异将给出peak-date 值。

# read csv for date with month day
df = pd.read_csv('test.csv', sep='\s\s+', engine='python')

# Convert to datetime with difference in days
df['diff'] = pd.to_datetime(df['peak-date'], format='%d %b').diff()

# save difference in seconds in different column and shift by 2
df['diff_seconds'] = df['diff'].apply(lambda row: row.total_seconds())
df['diff_seconds'] = df['diff_seconds'].shift(-2)

查看数据框:

  peak-date    diff  diff_seconds
0    17 Jan     NaT     6307200.0
1    17 Jan  0 days     2592000.0
2    31 Mar 73 days     2678400.0
3    30 Apr 30 days     2246400.0
4    31 May 31 days           0.0
5    26 Jun 26 days     2592000.0
6    26 Jun  0 days     2246400.0
6    26 Jul 30 days           0.0
6    21 Aug 26 days           NaN
6    21 Aug  0 days           NaN

现在获取第一个连续日期之前的值:

# look for the first occurence index and get the row by index
first_occur_index = df.diff_seconds.eq(0.0).idxmax()
df.iloc[first_occur_index]['peak-date']

结果:

'31 May'