如何在数据集Date与Fdate相同时保留该日期前后一周的数据？

步骤说明 #

1. 转换日期格式：先把数据中的Date和Fdate列从字符串转成可计算的日期类型，这是后续日期运算的基础。
2. 定位目标日期：找出所有Date与Fdate取值相同的行，提取这些日期并去重，避免重复处理同一日期。
3. 筛选日期范围：对每个目标日期，计算其前后一周的时间段，然后筛选出所有Date落在这些时间段内的数据。
4. 去重合并结果：如果不同目标日期的时间范围有重叠，同一行数据可能被多次选中，最后需要去重得到最终结果。

代码示例 #

import pandas as pd

# 加载数据集（请根据实际文件格式调整，比如Excel用pd.read_excel）
df = pd.read_csv("your_dataset.csv")

# 将日期列转换为datetime类型，确保可以进行日期运算
df["Date"] = pd.to_datetime(df["Date"])
df["Fdate"] = pd.to_datetime(df["Fdate"])

# 获取所有Date与Fdate相等的目标日期，去重处理
target_dates = df[df["Date"] == df["Fdate"]]["Date"].unique()

# 初始化空的结果集
filtered_data = pd.DataFrame()

# 遍历每个目标日期，筛选前后一周的数据
for target_date in target_dates:
    # 计算前后一周的起始和结束日期
    start = target_date - pd.Timedelta(weeks=1)
    end = target_date + pd.Timedelta(weeks=1)
    # 筛选当前范围内的数据
    temp_data = df[(df["Date"] >= start) & (df["Date"] <= end)]
    filtered_data = pd.concat([filtered_data, temp_data])

# 去重，避免同一行被多个时间范围重复选中
filtered_data = filtered_data.drop_duplicates().reset_index(drop=True)

# 输出结果
print(filtered_data)

可选：Excel实现方式 #

如果用Excel处理，步骤如下：

• 步骤1：添加辅助列，用公式=A2=B2（假设Date在A列，Fdate在B列），筛选出结果为TRUE的行，记录这些行的Date值。
• 步骤2：对每个记录的目标日期，计算前后一周的日期：
  • 前一周：=DATE(YEAR(目标日期单元格),MONTH(目标日期单元格),DAY(目标日期单元格)-7)
  • 后一周：=DATE(YEAR(目标日期单元格),MONTH(目标日期单元格),DAY(目标日期单元格)+7)
• 步骤3：使用「高级筛选」功能，设置条件为Date >= 起始日期且Date <= 结束日期，将所有符合条件的行提取到新工作表中，最后合并去重。

内容的提问来源于stack exchange，提问作者Ciercy