如何在Python中仅使用同时存在于两天的ID来计算t和t-1的值差异？

Question

我应该怎么写Python代码来计算t和t-1之间的值差异，前提是t中的id在t-1中也存在？换句话说，如果某个id在t-1中存在但在t中消失了，就不算在计算里，也不出现在输出的数据表中。谢谢！

举个例子：

日期	id	值
2024年1月1日	a	100
2024年1月2日	a	101
2024年1月1日	b	99
2024年1月5日	b	97
2024年1月6日	b	98
2024年1月2日	c	98
2024年1月5日	c	97
2024年1月5日	a	97

期望的输出：

日期	id	值	差异
2024年1月1日	a	100
2024年1月2日	a	101	1
2024年1月5日	b	97
2024年1月6日	b	98	1

Answer 1

试试这个：

df["Date"] = pd.to_datetime(df["Date"])

df = df.sort_values(by="Date")

df = (
    df.groupby("id")
    .apply(
        lambda x: x[(mask := x["Date"].diff().eq("1 day")) | mask.shift(-1)],
        include_groups=False,
    )
    .droplevel(1)
    .reset_index()
)

df["Delta"] = df.groupby("id")["Value"].diff()

print(df)

输出结果是：

  id       Date  Value  Delta
0  a 2024-01-01    100    NaN
1  a 2024-01-02    101    1.0
2  b 2024-01-05     97    NaN
3  b 2024-01-06     98    1.0