使用Pandas识别允许中断的可变长度销售连续周期

需求：筛选DataFrame，定位存在销售（sold=1）的连续时段，允许时段内包含若干无销售日期，目标选中示例数据中第12至19行（对应2023-12-05至2023-12-14的记录）。

示例数据准备 #

import pandas as pd

data = [['2023-11-16', 1], ['2023-11-17', 0], ['2023-11-20', 1], 
['2023-11-21', 0], ['2023-11-22', 1], ['2023-11-24', 0], 
['2023-11-27', 0], ['2023-11-28', 0], ['2023-11-29', 0], 
['2023-11-30', 0], ['2023-12-01', 0], ['2023-12-04', 0],
['2023-12-05', 1], ['2023-12-06', 1] , ['2023-12-07', 1],
['2023-12-08', 1], ['2023-12-11', 0], ['2023-12-12', 0],
['2023-12-13', 1], ['2023-12-14', 1], ['2023-12-15', 0], 
['2023-12-18', 0],  ['2023-12-19', 0], ['2023-12-20', 0]]
df = pd.DataFrame(data, columns=['date', 'sold'])
df['date'] = pd.to_datetime(df['date'])  # 转换为日期格式，方便间隔计算

解决方案 #

核心思路：先给有销售的日期分组（间隔在阈值内的归为同一组），再将组内的无销售日期纳入对应分组，最后筛选目标组。

1. 标记销售分组

# 标记有销售的行
df['has_sale'] = df['sold'] == 1

# 提取有销售的日期序列
sale_dates = df[df['has_sale']]['date']

# 初始化分组列
df['sale_group'] = 0

if not sale_dates.empty:
    group_id = 1
    df.loc[sale_dates.index[0], 'sale_group'] = group_id
    # 遍历销售日期，根据间隔天数分组
    for i in range(1, len(sale_dates)):
        # 这里设置间隔阈值为3天（对应示例中周末的间隔），可按需调整
        if (sale_dates.iloc[i] - sale_dates.iloc[i-1]).days <= 3:
            df.loc[sale_dates.index[i], 'sale_group'] = group_id
        else:
            group_id += 1
            df.loc[sale_dates.index[i], 'sale_group'] = group_id

# 前后填充分组，把中间的无销售行归入对应周期组
df['sale_group'] = df['sale_group'].ffill().bfill()

2. 筛选目标周期

示例中目标周期对应group_id=2，直接筛选即可：

target_rows = df[df['sale_group'] == 2]
print(target_rows)

运行后将得到需求中的第12至19行记录（Pandas默认索引为11到18）。

调整间隔阈值

如果需要允许更长的无销售间隔，修改判断条件中的天数阈值即可（比如允许间隔5天，就把<=3改成<=5）。

内容的提问来源于stack exchange，提问作者cksrc