如何删除DataFrame中不属于指定长度连续日期序列的行

完全不用逐行遍历，用pandas原生向量化操作即可，处理百万级数据也没有性能压力，逻辑和你的需求完全匹配：

核心逻辑 #

通过相邻日期的差值拆分连续日期块，直接过滤长度不达标的块即可，代码实现如下：

import pandas as pd

# 1. 预处理：先对日期列排序+转格式，若你的原始数据已经按日期升序排列可跳过排序步骤
df = df.sort_values('Date', ignore_index=True)
df['Date'] = pd.to_datetime(df['Date'], format='%d.%m.%Y')

# 2. 标记连续日期分组：日期差超过1天的位置就生成新的分组ID
df['group_id'] = df['Date'].diff().dt.days.ne(1).cumsum()

# 3. 过滤长度>=t的分组，删除辅助列得到结果
t = 3 # 替换为你需要的连续天数阈值
df_res = df.groupby('group_id').filter(lambda x: len(x) >= t).drop(columns='group_id')

效果验证 #

和你给出的示例完全匹配：

• 当t=3时，13号所在的分组长度只有1，被过滤，仅保留前7行
• 当t=4时，4-6号所在分组长度为3、13号所在分组长度为1，均被过滤，仅保留8-11号的4行数据

注意事项 #

如果你的日期存在重复值，可先执行df = df.drop_duplicates('Date', keep='first', ignore_index=True)去重后再执行上述逻辑，避免分组统计长度出错。

内容的提问来源于stack exchange，提问作者Matrixboy