Python中如何拆分历史数据点≤12的商品销售时间序列数据集用于6个月预测

现有一份商品销量时间序列数据集，包含Item ID、Date（时间范围2015-01-01至2022-12-01）、Quantities of items sold三列，需要拆分出历史数据点数量≤12的Item ID对应的完整数据集。

你的尝试代码问题分析 #

你写的代码：

grouped_data = df.groupby('item_id').apply(lambda x: x[x['date'].count() <= 12])

存在逻辑冗余且效率偏低的问题：x['date'].count()返回的是当前分组的总行数，用这个值去逐行判断，结果要么保留整个分组（如果行数≤12），要么完全剔除该分组，写法绕了弯路，不如直接针对分组行数做筛选。

两种高效实现方法 #

方法1：先筛选合法Item ID，再提取数据

这种方式逻辑清晰，适合需要单独保留合法ID列表的场景：

# 统计每个Item ID的数据点数量，筛选出数量≤12的ID
valid_item_ids = df.groupby('Item ID').size()[lambda s: s <= 12].index
# 提取对应ID的所有数据
filtered_df = df[df['Item ID'].isin(valid_item_ids)]

groupby('Item ID').size()会直接统计每个分组的行数，比count()更高效；后续通过isin()过滤原数据集，快速得到目标结果。

方法2：使用groupby的filter方法（更简洁）

filter方法会直接保留满足条件的整个分组，代码更紧凑：

filtered_df = df.groupby('Item ID').filter(lambda x: len(x) <= 12)

len(x)直接获取当前分组的行数，判断是否≤12，符合条件的分组会被完整保留到结果中。

内容的提问来源于stack exchange，提问作者Mufasa