如何用Python计算Event A与Event B的间隔天数（取最新A事件日期）

解决思路 #

类比你熟悉的SQL分组聚合逻辑，我们可以用pandas库（Python处理表格数据的标准工具）自动完成每个CaseID的最新Event A提取、Event B匹配，以及工作日间隔计算，全程无需手动去重。

完整代码实现 #

import pandas as pd
import numpy as np

# 1. 准备示例数据（替换成你的实际数据读取逻辑，比如pd.read_csv）
data = [
    [1, 'A', '1/1/23'],
    [1, 'A', '1/3/23'],
    [1, 'A', '1/20/23'],
    [1, 'B', '2/1/23'],
    [8, 'A', '1/2/23'],
    [100, 'A', '3/1/23'],
    [100, 'B', '3/2/23'],
    [35, 'A', '2/13/23'],
    [35, 'B', '2/27/23'],
    [6, 'A', '2/14/23'],
    [33, 'A', '2/26/23'],
    [2, 'A', '3/4/23'],
    [2, 'B', '4/30/23']
]
df = pd.DataFrame(data, columns=['CaseID', 'EVENT', 'DATE'])

# 2. 将日期字符串转换为datetime类型（必须步骤，否则无法计算）
df['DATE'] = pd.to_datetime(df['DATE'], format='%m/%d/%y')

# 3. 提取每个CaseID的最新Event A日期
latest_a = df[df['EVENT'] == 'A'].groupby('CaseID')['DATE'].max().reset_index()
latest_a.rename(columns={'DATE': 'Latest_A_Date'}, inplace=True)

# 4. 提取每个CaseID的Event B日期（假设每个CaseID最多一个B事件）
event_b = df[df['EVENT'] == 'B'].groupby('CaseID')['DATE'].first().reset_index()
event_b.rename(columns={'DATE': 'Event_B_Date'}, inplace=True)

# 5. 合并数据，只保留同时有A和B记录的CaseID
result = pd.merge(latest_a, event_b, on='CaseID', how='inner')

# 6. 计算工作日间隔（排除周末，不包含节假日；如需包含节假日可添加参数）
result['busdaysbweventAB'] = np.busday_count(
    result['Latest_A_Date'].dt.date,
    result['Event_B_Date'].dt.date
)

# 7. 输出最终结果（只保留需要的列）
final_output = result[['CaseID', 'busdaysbweventAB']]
print(final_output)

代码解释 #

• 步骤3对应SQL逻辑：SELECT CaseID, MAX(DATE) AS Latest_A_Date FROM table WHERE EVENT='A' GROUP BY CaseID
• 步骤4对应SQL逻辑：SELECT CaseID, DATE AS Event_B_Date FROM table WHERE EVENT='B' GROUP BY CaseID
• np.busday_count自动排除周六周日计算工作日数量，若需排除自定义节假日，可传入holidays参数（例如holidays=['2023-01-01']）

运行结果 #

内容的提问来源于stack exchange，提问作者jen norr