如何在Pandas DataFrame中查找最新连续0 cases_count的起始日期

给定如下结构的DataFrame：

需要编写函数，找到cases_count连续为0的最新连续段的起始日期，示例中应返回2023-04-06。

此前尝试仅查找cases_count == 0的最新日期，但这种方法无法识别连续段的起始点，忽略了该日期之前的连续情况。

可以通过对连续0值进行分组标记的方式实现，核心思路是：

• 标记0值行并按连续段分组
• 筛选出结束日期最晚的连续段，取其起始日期

以下是基于pandas的Python代码实现：

import pandas as pd

def get_latest_zero_streak_start(df):
    # 复制数据避免修改原DataFrame
    df_copy = df.copy()
    # 转换日期格式并按时间排序
    df_copy['date'] = pd.to_datetime(df_copy['date'])
    df_copy = df_copy.sort_values('date').reset_index(drop=True)
    
    # 标记是否为0值行
    df_copy['is_zero'] = df_copy['cases_count'] == 0
    # 生成连续段分组ID：非0值的累积和会区分不同的0值连续段
    df_copy['group_id'] = (~df_copy['is_zero']).cumsum()
    
    # 提取所有0值连续段的起始、结束日期
    zero_groups = df_copy[df_copy['is_zero']].groupby('group_id').agg(
        start_date=('date', 'min'),
        end_date=('date', 'max')
    ).reset_index()
    
    # 无0值连续段时返回None
    if zero_groups.empty:
        return None
    
    # 获取结束日期最晚的连续段，返回其起始日期
    latest_group = zero_groups.loc[zero_groups['end_date'].idxmax()]
    return latest_group['start_date'].strftime('%Y-%m-%d')

# 测试示例数据
data = {
    'date': ['2023-04-02', '2023-04-03', '2023-04-04', '2023-04-05', '2023-04-06', '2023-04-07'],
    'cases_count': [3, 0, 0, 1, 0, 0]
}
df = pd.DataFrame(data)
print(get_latest_zero_streak_start(df))  # 输出：2023-04-06

逻辑说明： #

1. 先确保日期列是datetime类型并按时间排序，这是时间序列处理的基础
2. is_zero列标记每行是否为0值
3. group_id通过对非0值的累积和生成，同一连续0值段会拥有相同的group_id
4. 对每个0值分组提取起始和结束日期，筛选出结束日期最晚的组，其起始日期就是目标结果

内容的提问来源于stack exchange，提问作者henry