回答问题

我有一个看起来像这样的数据框:

我想只保留每个组中的连续年份,例如下图,其中 A 组中的 2005 年和 B 组中的 2009 年和 2011 年被删除。

我使用df['year_diff']=df.groupby(['group'])['Year'].diff()创建了一个年差列,然后只保留年差等于1的行。

但是,此方法也会删除每个连续年份组中的第一行,因为第一行的年份差将为 NAN。例如,2000 年将从组 2000-2005 中删除。有没有办法可以避免这个问题?

Answers

shift

像 OP 一样获取年份差异。然后检查是否等于1或者之前的值是1

yd = df.Year.groupby(df.group).diff().eq(1)
df[yd | yd.shift(-1)]

   group  Year
0      A  2000
1      A  2001
2      A  2002
3      A  2003
5      A  2007
6      A  2008
7      A  2009
8      A  2010
9      A  2011
10     B  2005
11     B  2006
12     B  2007
15     B  2013
16     B  2014
17     B  2015
18     B  2016
19     B  2017

设置

谢谢你

a = [('A',x) for x in range(2000, 2012) if x not in [2004,2006]]
b = [('B',x) for x in range(2005, 2018) if x not in [2008,2010,2012]]
df = pd.DataFrame(a + b, columns=['group','Year'])