如何修改数据以在另一个时间范围内删除ID

Question

我有一个数据框，看起来像：

id     TakingTime
1       03-01-2015
1       18-07-2015
1       22-10-2015
1       14-01-2016

2       11-02-2015
2       28-02-2015
2       18-04-2015
2       19-05-2015

3       11-02-2015
3       16-11-2015
3       19-02-2016
3       21-04-2016

4       03-01-2015
4       03-01-2015
4       03-01-2015
4       03-01-2015

所需的输出为：

id     TakingTime
1       03-01-2015
1       18-07-2015
1       22-10-2015
1       14-01-2016

3       11-02-2015
3       16-11-2015
3       19-02-2016
3       21-04-2016

当我想删除所有id时，第一个和最后一个id之间的时间差至少为一年

我试过了

df[df.groupby('ID')['takingtime'].transform(lambda x: x.nunique() > 1)]

但我不确定这样做是否正确，如果是，那么> 5的含义是什么？天，月，年

Answer 1

使用：

idx = df.groupby('id').TakingTime.transform(lambda x: x.dt.year.diff().sum().astype(bool))
df[idx]

输出：

    id TakingTime
0    1 2015-03-01
1    1 2015-07-18
2    1 2015-10-22
3    1 2016-01-14
8    3 2015-11-02
9    3 2015-11-16
10   3 2016-02-19
11   3 2016-04-21

---

说明：

对于每个id，计算不同年份的差异。如果差异大于0（即sum().astype(bool)），则返回True。我们使用transform为整个组复制输出。最后，使用输出索引对数据帧进行切片

---

编辑：

要分析特定的时间量（以天为单位）：

days = 865
df.groupby('id').TakingTime.transform(lambda x: (x.max() - x.min()).days >= days)

或：

from datetime import timedelta
days = timedelta(865)
df.groupby('id').TakingTime.transform(lambda x: (x.max() - x.min()) >= days)