另一列的每个连续数据块的最小日期[重复]

Posted 2023-02-23

【中文标题】另一列的每个连续数据块的最小日期[重复]

【英文标题】：Minimum date of each continuous block of data of another column [duplicate]

【发布时间】：2022-01-24 02:19:48

【问题描述】：

我有一个包含时间序列数据的数据框，如下所示：

      Date      Value
0  2021-12-01     A
1  2021-12-02     A
2  2021-12-03     A
3  2021-12-04     B
4  2021-12-05     B
5  2021-12-06     A
6  2021-12-07     A
7  2021-12-08     C

我正在尝试将其减少为只有“值”列的每个连续块的第一个日期。所以结果看起来像：

      Date      Value
0  2021-12-01     A
1  2021-12-04     B
2  2021-12-06     A
3  2021-12-08     C

我尝试了很多不同的蒙版方法，根据蒙版删除重复项等，但无法做到。任何帮助表示赞赏！

【参考方案1】：

您可以使用ne（不等于）+shift​ 创建一个掩码，其中每个连续组的第一个值为 True，然后 cumsum 为每个组创建一个唯一的所有组共享项目。

然后，drop_duplicates 基于那个，并使用返回行的索引来索引数据帧：

subset = df.loc[df['Value'].ne(df['Value'].shift(1)).cumsum().drop_duplicates().index]

输出：

>>> subset
         Date Value
0  2021-12-01     A
3  2021-12-04     B
5  2021-12-06     A
7  2021-12-08     C

【讨论】：

太棒了，谢谢！我有第一部分（ne + shift）和最后一部分（drop_duplicates），但缺少cumsum。

是的，cumsum 的用途不仅仅是获取数字列的 cumsum 并将其放在某处...... ;)