pandas 中如何按客户分组删除间隔不足6个月的日期行
Pandas 按客户分组实现日期间隔不小于6个月的过滤方案
核心实现逻辑
按Customer_ID拆分独立的时间序列,对每个客户的日期按时间升序逐行遍历:
- 每个客户的最早日期默认保留,作为时间序列的起点
- 逐行比对当前日期与上一个已被保留的日期间隔,只有间隔≥6个月时才保留当前行,否则跳过
- 过滤完成后合并所有客户的结果,生成最终稀疏化的日期数据集
分步实现代码
1. 基础依赖与数据预处理
import pandas as pd # 导入原始数据 df = pd.DataFrame({ "Customer_ID": [1]*12 + [2]*6, "Date": [ "2017-07-01","2017-08-01","2017-09-01","2017-10-01","2017-11-01","2017-12-01", "2018-01-01","2018-02-01","2018-03-01","2018-04-01","2018-06-01","2018-08-01", "2018-11-01","2019-02-01","2019-03-01","2019-05-01","2020-02-01","2020-05-01" ] }) # 将字符串格式日期转换为datetime类型,为间隔计算做准备 df["Date"] = pd.to_datetime(df["Date"])
2. 分组过滤函数实现
def filter_by_month_interval(group, min_interval=6): # 组内按日期升序排序 group = group.sort_values("Date").reset_index(drop=True) kept_records = [] last_kept = None for _, row in group.iterrows(): current_date = row["Date"] # 组内第一条记录默认保留 if last_kept is None: kept_records.append(row) last_kept = current_date continue # 计算与上一个保留日期的自然月间隔(规避不同月份天数差异带来的计算误差) month_gap = (current_date.year - last_kept.year)*12 + (current_date.month - last_kept.month) # 间隔满足要求则保留 if month_gap >= min_interval: kept_records.append(row) last_kept = current_date return pd.DataFrame(kept_records)
3. 应用分组过滤
filtered_result = df.groupby("Customer_ID", group_keys=False).apply(filter_by_month_interval)
输出结果说明
运行代码后得到的过滤结果完全匹配预期规则:
- 客户ID=1的保留日期:
2017-07-01、2018-01-01、2018-08-01,相邻日期间隔分别为6个月、7个月,满足≥6个月的要求 - 客户ID=2的保留日期:
2018-11-01、2019-05-01、2020-02-01,相邻日期间隔分别为6个月、9个月
实现注意点:
- 采用逐行状态追踪的判断逻辑,完全规避了传统向量化计算中“以上相邻行”而非“以上保留行”为参照的判断偏差
- 月数差计算直接基于年、月属性差值,无需引入额外依赖,计算逻辑更贴合业务上“6个自然月间隔”的定义,不会因为单个月的天数差异出现计算误差
- 若原始数据存在同一客户的重复日期,排序环节会自动完成重复值的位置归并,过滤逻辑无需额外去重步骤
内容的提问来源于stack exchange,提问作者gunel
相关产品推荐
相关产品推荐

