基于日期连续性筛选Pandas DataFrame分组用户的方法求助

我来帮你搞定这个需求！要从Pandas DataFrame里筛选出拥有连续15天数据的用户，我们可以按以下步骤一步步来：

步骤1：确保日期格式正确 #

首先得把Day列转换成标准的datetime类型，不然没法计算日期差：

import pandas as pd

# 先修正你给出的示例数据构造方式（原写法会报错）
df = pd.DataFrame(
    data=[
        ['13-01-2018', 1], ['14-01-2018', 2], ['15-01-2018', 3],
        ['13-02-2018', 1], ['14-02-2018', 2], ['15-02-2018', 3]
    ],
    columns=['Day', 'Data']
)
# 添加User_id列（对应你示例里的分组逻辑）
df['User_id'] = [0,0,0,1,1,1]

# 转换日期格式（匹配你给出的日-月-年格式）
df['Day'] = pd.to_datetime(df['Day'], format='%d-%m-%Y')

步骤2：分组计算连续天数 #

接下来按User_id分组，计算每个用户的最长连续日期段长度：

# 按用户分组，对日期排序后标记连续组
continuous_groups = df.groupby('User_id').apply(
    lambda x: x.sort_values('Day')['Day'].diff().dt.days.ne(1).cumsum()
).reset_index(name='group')

# 统计每个用户的最长连续天数
max_continuous_days = continuous_groups.groupby(['User_id', 'group']).size().groupby('User_id').max()

# 筛选出最长连续天数≥15的用户（示例里改成≥3）
target_users = max_continuous_days[max_continuous_days >= 3].index.tolist()

步骤3：提取目标用户的所有数据 #

最后用isin筛选出这些用户的全部行：

result = df[df['User_id'].isin(target_users)]
print(result.head())

运行这段代码后，会得到你示例里想要的结果：

Day  Data  User_id
0 2018-01-13     1        0
1 2018-01-14     2        0
2 2018-01-15     3        0

关键逻辑说明 #

• diff().dt.days.ne(1)：判断相邻日期是否相差1天，不连续的地方会返回True
• cumsum()：把不连续的点作为分组标记，连续的日期会被分到同一个组里
• 两次groupby：先统计每个连续组的天数，再取每个用户的最长连续天数，最后筛选符合条件的用户

如果需要调整连续天数（比如改成15天），只需要把代码里的>=3改成>=15就行啦！

内容的提问来源于stack exchange，提问作者Alpha Beta