熊猫 - 由付费时间关闭(PTO)的"最长"持续时间

Question

我有一个pandas框架与员工PTO条目:

employee_id time_off_date
1           1/1/2017
1           1/2/2017
1           1/3/2017
1           5/1/2017
2           6/1/2017
2           9/5/2017
2           9/6/2017
2           9/7/2017
2           9/8/2017

我试图找到每个员工连续几天的PTO持续时间.例如,员工#1的最长PTO持续时间为3天(2017年1月1日至1月3日),员工#2的最长PTO持续时间为4天(2017年9月5日至9月8日).

对于大熊猫groupby和shift我应该用来回答这个问题的组合,我有点难过.

奖励积分:查找X天内所有员工的所有PTO持续时间.

请让我知道,如果你有任何问题.

Answer 1

使用diff与cumsum每个雇员标识中创建subgruop,然后我们做groupby size与max发现最大

s=df.groupby('employee_id').time_off_date.apply(lambda x : x.diff().dt.days.ne(1).cumsum())
df['New']=s
df.groupby(['employee_id','New']).size().max(level=0)
Out[423]: 
employee_id
1    3
2    4
dtype: int64