使用 pandas 判断数据记录的日期间隔
有时我们需要判断某个数据集中两条记录之间的日期间隔是否超过某个阈值。比如，在包含如下记录的数据集中：
| name | date |
|---|---|
| foo | 2022-01-01 |
| foo | 2022-01-23 |
| foo | 2022-03-01 |
如何确定是否有间隔超过两个月的记录？
解决方案
我们可以使用 pandas 的 shift 和 dt.days 函数来计算相邻记录之间的日期间隔。以下是如何操作：
df['day'] = (df.date.shift(-1) - df.date).dt.days
计算结果如下表所示：
| name | date | day |
|---|---|---|
| foo | 2022-01-01 | 22 |
| foo | 2022-01-23 | 37 |
| foo | 2022-03-01 | nan |
(df.day > 60).any()
如果结果为 true，则说明存在间隔超过两个月的记录。
以上就是如何使用 Pandas 判断数据记录的日期间隔是否超过某个阈值？的详细内容，更多请关注php中文网其它相关文章！
每个人都需要一台速度更快、更稳定的 PC。随着时间的推移，垃圾文件、旧注册表数据和不必要的后台进程会占用资源并降低性能。幸运的是，许多工具可以让 Windows 保持平稳运行。
广告![ThinkPHP5快速开发企业站点[全程实录]](https://img.php.cn/upload/course/000/000/068/6253d918a3ce7278.png)
收藏
收藏
Copyright 2014-2025 https://www.php.cn/ All Rights Reserved | php.cn | 湘ICP备2023035733号
824
