我有一种情况,我想根据契约(Contract)开始日期、结束日期和总支出来计算每日支出。下一步是按月汇总每日支出金额。这非常简单,稍后我将展示我如何完成。然而,还有另一个日期(inv date
);如果开始
在inv date
之前,则应将inv date
之前的所有每日金额相加并包含在与相同的期间内库存日期
。
首先,简单的部分。
df = pd.DataFrame({'start': ['1/1/2018'],
'end': ['3/15/2018'],
'inv date': ['2/1/2018'],
'spend': [400]})
start end inv date spend
0 1/1/2018 3/15/2018 2/1/2018 400
创建契约(Contract)的日期范围
prd = pd.period_range(df.loc[0, 'start'], df.loc[0, 'end'], freq='D')
prd = pd.Series(1, prd) # empty series to get the number of days in the monthly period
prd = prd.resample('M').size() * (df.loc[0, 'spend'] / prd.resample('M').size().sum())
这给了我以下系列:按月分配的总支出,基于该月的天数......到目前为止,一切顺利。
prd
2018-01 167.567568
2018-02 151.351351
2018-03 81.081081
Freq: M, dtype: float64
困难的部分(对我来说)
正如我上面提到的,根据inv date
,该系列实际上应该如下所示:
2018-01 0
2018-02 318.918919
2018-03 81.081081
Freq: M, dtype: float64
因为inv date
在start
日期之后,所以我不想在inv date
之后添加它。 仅供引用:318 = 167 + 151(即上述 2/2018 的总数)。
这可以通过重新采样
实现吗?如果没有,最有效的方法是什么?
最佳答案
从“简单部分”部分末尾的 df
和 prd
开始:
# Get the inv date as a pandas Timestamp
invdate = pd.to_datetime(df['inv date'])[0]
oneday = pd.offsets.Day(1)
# Pandas slicing includes BOTH endpoints, so we need this one-day
# offset to get all values strictly before the inv date
prd.loc[invdate] = prd[invdate] + prd[:invdate - oneday].sum()
prd.loc[:invdate - oneday] = 0
# output
2018-01 0.000000
2018-02 318.918919
2018-03 81.081081
Freq: M, dtype: float64
关于python - 条件重采样 - Pandas,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/48453212/