如何在Pandas DataFrame中移除间隔≤4天的连续行（保留首行）

需求：处理Pandas DataFrame时，需按以下规则筛选行：

• 以第一行为基准，后续行若和最近保留的行日期间隔≤4天，就移除；
• 若间隔超过4天，就保留该行，并把它作为新的基准继续对比后面的行。

举个例子：

• 2018-02-20和2018-02-16间隔≤4天 → 删掉2018-02-20那行
• 删掉后，用2018-02-16和2018-02-21对比，间隔5天（>4天）→ 留着2018-02-21
• 2018-02-22和2018-02-21间隔1天 → 删掉2018-02-22
• 2018-02-26和2018-02-21间隔5天 → 留着2018-02-26

示例输入 #

先构造示例DataFrame：

import pandas as pd

df = pd.DataFrame({
    'Date': ['2018-02-16', '2018-02-20', '2018-02-21', '2018-02-22', '2018-02-26',
             '2018-03-01', '2018-03-02', '2012-09-28', '2012-10-01', '2012-10-02', '2012-10-21'],
    'Open': [69.75, 65.7, 60.0, 67.65, 77.666666, 73.5, 66.75, 0.5, 0.5, 0.575, 0.13]
}, index=[0,1,2,3,4,8,9,3,4,5,6])

解决方案 #

下面是实现逻辑的代码：

# 把Date列转成日期格式，才能计算天数差
df['Date'] = pd.to_datetime(df['Date'])

# 初始化一个列表，标记哪些行要保留，默认第一行留着
keep = [True] * len(df)
# 记录上一个保留行的日期，先拿第一行的日期当基准
last_keep_date = df['Date'].iloc[0]

# 从第二行开始遍历每一行
for i in range(1, len(df)):
    current_date = df['Date'].iloc[i]
    # 算当前行和上一个保留行的天数差
    days_diff = (current_date - last_keep_date).days
    if days_diff <= 4:
        # 间隔≤4天，标记为不保留
        keep[i] = False
    else:
        # 间隔>4天，标记为保留，同时更新基准日期
        keep[i] = True
        last_keep_date = current_date

# 用标记列表过滤原DataFrame，得到结果
result_df = df[keep]

代码解释 #

• 先转日期格式是必须的，不然字符串没法算天数差；
• 遍历的时候不是和相邻行比，而是和上一个成功保留的行比，这是核心逻辑；
• 每保留一行就更新基准日期，确保后续对比的是最近的保留行。

最终结果 #

运行代码后得到的result_df就是期望的结果：

Date       Open
0 2018-02-16  69.750000
2 2018-02-21  60.000000
4 2018-02-26  77.666666
3 2012-09-28   0.500000
6 2012-10-21   0.130000

内容的提问来源于stack exchange，提问作者MasayoMusic