提问人：mzietal 提问时间：11/15/2023 最后编辑：mzietal 更新时间：11/15/2023 访问量：56
将数据帧中的行与匹配的日期和总和值合并
Combine rows in dataframe with matching dates and sum values
问：
我有一个包含年假信息的数据帧。此 df 包含人员 ID、休假开始日期、休假结束日期和该期间的工作日数。在某些情况下，人们会单独保存多个单日假期，我希望将它们保存为一行。另外，我想将人们休息到周五的行合并，然后从下周一开始休息几天。
输入示例：
| 编号 | 开始日期 | 结束日期 | 工作日 |
|---|---|---|---|
| 1 | 2023-10-09 | 2023-10-09 | 1 |
| 1 | 2023-10-10 | 2023-10-10 | 1 |
| 1 | 2023-10-11 | 2023-10-11 | 1 |
| 1 | 2023-10-19 | 2023-10-22 | 4 |
| 2 | 2023-10-19 | 2023-10-20 | 2 |
| 2 | 2023-10-23 | 2023-10-25 | 3 |
| 3 | 2023-10-23 | 2023-10-27 | 5 |
| 4 | 2023-10-23 | 2023-11-03 | 10 |
预期输出：
| 编号 | 开始日期 | 结束日期 | 工作日 |
|---|---|---|---|
| 1 | 2023-10-09 | 2023-10-11 | 3 |
| 1 | 2023-10-19 | 2023-10-22 | 4 |
| 2 | 2023-10-19 | 2023-10-25 | 5 |
| 3 | 2023-10-23 | 2023-10-27 | 5 |
| 4 | 2023-10-23 | 2023-11-03 | 10 |
我试图通过添加一些额外的列来做到这一点，例如 EndDate 和下一个 StartDate 之间的时间，然后通过 np.where 创建 EndDate 和工作日的新值，但当有人连续三天或更多天时，它不起作用。此外，我在删除已经合并的行时遇到了一些问题。
你有什么想法吗？
此外，我是否可以设置一个阈值，例如 3 天或 5 天，在该阈值下将合并记录？例如，如果结束日期和开始日期之间的时间少于 5 天，那么这些行将被合并？
答：
0赞
Iñigo Moreno
11/15/2023
#1
您应该使用 pandas.groupby：
grouped_df = pd.DataFrame()
grouped_df['StartDate'] = df.groupby('ID')['StartDate'].min()
grouped_df['EndDate'] = df.groupby('ID')['EndDate'].max()
grouped_df['WorkingDays'] = df.groupby('ID')['WorkingDays'].sum()
评论
0赞
mzietal
11/15/2023
感谢您的回答，也许我在我的帖子中不是 100% 清楚，但单个员工可以有多天不应该合并的连续休假，例如 ID = 1 的员工。对于这个人，我们应该有两行，而在您的解决方案中，我们只有一行。
0赞
mozway
11/15/2023
#2
您需要设置一个二级石斑鱼来识别连续日期，同时考虑到具有 BusinessDay 偏移量的工作日：
# day offset
N = 1
# ensure datetime type
df[['StartDate', 'EndDate']] = df[['StartDate', 'EndDate']].apply(pd.to_datetime)
# group the days by consecutive dates
# the rows must be sorted by StartDate + EndDate
group = (df['EndDate']
.add(pd.offsets.BusinessDay(n=N))
.groupby(df['ID'])
.transform(lambda g: g.shift().lt(df['StartDate']).cumsum())
)
out = (df.groupby(['ID', group], as_index=False)
.agg({'StartDate': 'min',
'EndDate': 'max',
'WorkingDays': 'sum'})
)
输出：
ID StartDate EndDate WorkingDays
0 1 2023-10-09 2023-10-11 3
1 1 2023-10-19 2023-10-22 4
2 2 2023-10-19 2023-10-25 5
3 3 2023-10-23 2023-10-27 5
4 4 2023-10-23 2023-11-03 10
输出：N = 6
ID StartDate EndDate WorkingDays
0 1 2023-10-09 2023-10-22 7 # 2023-10-11 and 2023-10-19
1 2 2023-10-19 2023-10-25 5 # are within 6 business days
2 3 2023-10-23 2023-10-27 5
3 4 2023-10-23 2023-11-03 10
评论
1赞
mzietal
11/16/2023
谢谢，这正是我想要的！
评论