基于多日出现情况为Pandas数据框分配趋势类型

原始数据 #

首先定义目标数据框：

import pandas as pd

df = pd.DataFrame({
    "Value": ["A", "B", "C", "D", "A", "D", "A", "B"],
    "Day": ["2023-06-12", "2023-06-12", "2023-06-12", "2023-06-12", 
            "2023-06-13", "2023-06-13", "2023-06-14", "2023-06-14"]
})

趋势判定规则 #

• Trend：Value连续出现3天（如A）
• Sporadic：Value出现2天但非连续（如B）
• Anomaly：Value仅出现1次（如C）
• Becoming a trend：Value连续出现2天（如D）

解决方案 #

步骤1：转换日期格式 #

将Day列转为datetime类型，确保日期计算准确：

df['Day'] = pd.to_datetime(df['Day'])

步骤2：统计每个Value的关键指标 #

按Value分组，计算去重后的出现天数、日期范围，并判断是否连续：

value_stats = df.groupby('Value').agg(
    total_days=('Day', 'nunique'),  # 去重后的实际出现天数
    min_day=('Day', 'min'),         # 首次出现日期
    max_day=('Day', 'max')          # 末次出现日期
).reset_index()

# 计算若日期连续时应有的总天数
value_stats['max_continuous_days'] = (value_stats['max_day'] - value_stats['min_day']).dt.days + 1
# 判断是否连续：实际天数等于连续天数则为连续
value_stats['is_continuous'] = value_stats['total_days'] == value_stats['max_continuous_days']

步骤3：映射趋势类型 #

根据规则为每个Value分配对应的趋势类型：

def assign_trend(row):
    if row['total_days'] == 1:
        return 'Anomaly'
    elif row['total_days'] == 3 and row['is_continuous']:
        return 'Trend'
    elif row['total_days'] == 2:
        return 'Becoming a trend' if row['is_continuous'] else 'Sporadic'
    return 'Unknown'  # 处理未覆盖的特殊情况

value_stats['Trend Type'] = value_stats.apply(assign_trend, axis=1)

步骤4：合并结果到原数据 #

将趋势类型合并回原数据框，并恢复原始排序：

result_df = df.merge(value_stats[['Value', 'Trend Type']], on='Value', how='left')
result_df = result_df.sort_values('Day').reset_index(drop=True)

最终结果 #

打印输出结果：

print(result_df.to_string(index=False))

输出内容如下：

Day Value      Trend Type
2023-06-12     A            Trend
2023-06-12     B         Sporadic
2023-06-12     C          Anomaly
2023-06-12     D Becoming a trend
2023-06-13     A            Trend
2023-06-13     D Becoming a trend
2023-06-14     A            Trend
2023-06-14     B         Sporadic

内容的提问来源于stack exchange，提问作者Kusanagi